نقشه‌های توضیح‌پذیری مدل‌های ماموگرافی در پستان‌های متراکم کمتر ضایعه را نشان می‌دهند

پژوهشگران سه شبکهٔ عصبی کانولوشنی را با سه روش تولید نقشهٔ توضیح‌پذیری—Grad-CAM، Integrated Gradients و Occlusion—روی ۱٬۳۴۵ تصویر بدخیم از مجموعه‌دادهٔ CBIS-DDSM بررسی کردند. آن‌ها سنجیدند که آیا پررنگ‌ترین نقطهٔ هر نقشه روی ضایعه می‌افتد و نسبت برجستگی ضایعه به پس‌زمینه، پس از نرمال‌سازی نسبت به شانس، چقدر است.

در مقایسهٔ اولیه، نقطهٔ اوج نقشهٔ Grad-CAM در ۴۴ درصد ضایعه‌های پستان متراکم روی ضایعه قرار گرفت؛ این رقم برای پستان‌های غیرمتراکم ۵۸ درصد بود. تفاوت ترکیب موارد، به‌ویژه فراوانی بیشتر کلسیفیکاسیون در تصاویر پستان متراکم، حدود نیمی یا بیشتر از شکاف مشاهده‌شده در هر روش را توضیح می‌داد. بااین‌حال، پس از تعدیل نیز روش Occlusion به‌طور میانگین شکافی معنادار برابر با منفی ۰٫۵۶ بیت نشان داد؛ در این مقیاس، یک بیت افزایش به معنای دو برابر شدن نسبت برجستگی است.

آزمون‌های کنترلی نیز نشان دادند شکاف‌های اندازه‌گیری‌شده از تفاوتی که صرفاً با نقشهٔ برجستگی تصویر توضیح داده می‌شود بیشتر است و مدل‌ها در پستان‌های متراکم کمتر به خود ضایعه اتکا می‌کنند. پژوهشگران پیشنهاد می‌کنند شکاف‌های مربوط به تراکم پستان، هم پیش و هم پس از تعدیل ترکیب موارد و برای هر طبقه‌بند جداگانه گزارش شوند و نقشه‌های برجستگی تصویر و میزان اتکای مدل به ضایعه نیز به‌عنوان کنترل ارائه شوند. این مطالعه در قالب پیش‌چاپ در arXiv منتشر شده است.