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
成果类型：: 发明专利
发布时间: 2023-09-06 10:23:04
科技成果产业化落地方案
方案提交机构：天津市滨海新区| 宋学姮 | 2023-09-14 10:18:07
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。
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，
老年性黄斑变性又称年龄相关性黄斑变性，为黄斑区结构的衰老性改变，主要表现为视网膜色素上皮细胞对视细胞外节盘膜吞噬消化能力下降，结果使未被完全消化的盘膜残余小体潴留于基底部细胞原浆中，并向细胞外排出，沉积于Bruch膜，形成玻璃膜疣，由于黄斑部结构与功能上的特殊性，此种改变更为明显，玻璃膜疣也见于正常视力的老年人，但由此继发的种种病理改变后，则导致黄斑部变性发生，或者引起Bruch膜本断裂，脉络膜毛细血管通过破裂的Bruch膜进入RPE下及视网膜神经上皮下，形成脉络膜新生血管，由于新生血管壁的结构异常，导致血管的渗漏和出血，进而引发一系列的继发性病理改变，老年性黄斑变性大多发生于四十五岁以上，其患病率随年龄增长而增高，是当前老年人致盲的重要疾病。
因此，提出基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法来解决上述问题很有必要。
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。
与现有技术相比，本发明提供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，具备以下有益效果：
1、该基于先验知识规则抽取和SHAP的AMD可解释性精准诊断方法，基于像素的分类模型也可以理解爲图片分割模型，基于DeepLabV3分割方法建立底层结构，该方法是基于Unet开发的DeepLab后升级的方法，对全域特征学习较有优秀的性能，主要实现对医学图像特征提取中的扩大感受野以及捕获多尺度上下文信息，实现精准定位，该方法在医学图像分割中具有较好的应用。
2、该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AMD多种数据源的实验，证明了可解释机制在模型优化上的优势，提出了基于先验知识和规则提取的prototype标记方法、基于SHAP和DeepLabV3的图片分割优化模型，和基于像素的图片级别分类模型，该模型具有高精准度和可解释性，对于其他疾病诊断具有较好的藉鉴价值，并且通过对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(老年性黄斑变性)的诊断任务。
技术合作
本方法通过对AMD多种数据源的实验，证明了可解释机制在模型优化上的优势，提出了基于先验知识和规则提取的prototype标记方法、基于SHAP和DeepLabV3的图片分割优化模型，和基于像素的图片级别分类模型，该模型具有高精准度和可解释性，对于其他疾病诊断具有较好的藉鉴价值，并且通过对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(老年性黄斑变性)的诊断任务。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
下载app