科创中国
基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法
发布时间: 2023-09-06
基本信息
合作方式：
技术服务
成果类型：
发明专利
行业领域：
物理
成果介绍
本发明公开了基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法：S1：先验知识总结与规则抽取；S2：基于先验知识的XAI算法原型进行模糊标记；S3：基于先验知识与prototype的可解释性评价指标设定；S4：基于XAI构件建立像素分类模型；S5：基于像素分类结果的图片级分类；S6：优化像素分类模型结果和AMD识别结果。本发明所述的基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法，本方法通过对Prototype的分割任务，包括阳性的prototype1分割和阴性的prototype2分割，实现了以IOU指标为主要参考标准，实现了模型从可解释性方向的优化和矫正，根据基于上述的像素分割权重相加，实现图片级别的分类，完成了精准AMD的诊断任务。
成果亮点
基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法，其特征在于：所述包括以下操作步骤：
S1：先验知识总结与规则抽取：先验知识整合：将先验医学知识和领域专业知识纳入诊断过程；
S2：基于先验知识的XAI算法原型进行模糊标记：基于先验知识的感兴趣区域，在可解释性人工智能中，可以作爲原型标记，标记为prototype，以此用来衡量模型的可解释性水平，其阳性数据的感兴趣屈居即为病竈坐在区域，其中prototype是指用于解释人工智能模型的行为或决策的代表性或示例性实例，XAI中通常使用原型来对复杂机器学习模型的内部工作提供可解释的解释和见解，帮助跨领域用户理解模型预测或分类背后的推理的有形示例，XAI中的原型可以采用不同的形式，这取决于所使用的特定方法或方法，
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料
产业化落地方案
下载app