논문 리뷰 🌟

Grad-CAM helps interpret the deep learning models trained to classify multiple sclerosis types using clinical brain magnetic resonance imaging

1. Abstract

• 신경 과학 연구에서 CNN을 활용한 딥러닝이 사용되고 있으나, CNN을 임상적으로 해석하는 능력이 부족하다.
• **히트맵 생성 기술(**CAM, Grad-CAM, Grad-CAM++)로 CNN 해석의 일반화 가능성 ↑
• 뇌 자기 공명 영상을 RRMS, SPMS, 대조군으로 분류하는 6가지 모델 → 히트맵 시각화 및 정량화

∴ CNN과 함께 히트맵 생성 기술을 사용하여 임상적 측면의 해석을 개선하자

2. Introduction

Multiple sclerosis(MS) : 다발성 경화증

중추 신경계에 조직 손상을 일으키는 염증성 탈수초성(demyelinating) 질환

초기) RRMS → 후기) SPMS

⇒ CNN을 통해 MS를 진단할 뿐만 아니라 MS의 하위 유형까지 구별할 수 있다.

문제) 수많은 feature를 생성하며 정보를 압축하여 사람이 학습을 해석 불가능

해결 방안) 입력된 이미지에 의미 있는 히트맵 생성

→ deconvolution, layer-wise relevance propagation 등

BUT, 신호 잡음에 대한 취약성, 입력 교란에 대한 민감도 ↆ (입력에 따라 변화 X) 등의 기술적 문제 존재

→ CAM, Grad-CAM, Grad-CAM++

Class Activation Mapping(CAM) → Grad-CAM, Grad-CAM++

⇒ CNN에 Pooling layer를 추가해 특정 layer에서 해석 가능하도록 히트맵을 생성할 수 있다.