Точная и безошибочная идентификация холелитиаза (желчнокаменной болезни) необходима для спасения жизней миллионов людей по всему миру. Хотя в литературе было представлено несколько подходов к компьютерной диагностике холелитиаза, их применение ограничено из-за того, что модели сверточных нейронных сетей (CNN) по своей природе являются «черным ящиком». В связи с этим предлагается новый подход к классификации холелитиаза с использованием пользовательской сверточной нейронной сети и пост-хок объяснением модели. Данная работа представляет несколько научных вкладов. Во-первых, предлагается пользовательская архитектура CNN для классификации и прогнозирования холелитиаза по ультразвуковым изображениям. Во-вторых, предлагается модифицированная глубокая сверточная генеративно-состязательная сеть для создания синтетических ультразвуковых изображений с целью лучшего обобщения модели. В-третьих, предлагается гибридный метод визуального объяснения, объединяющий градиентно-взвешенную карту активации классов с локальными интерпретируемыми модельно-независимыми объяснениями для генерации визуального пояснения с использованием тепловой карты. В-четвертых, представлен исчерпывающий анализ производительности предлагаемого подхода на ультразвуковых изображениях, собранных в трех различных индийских больницах, чтобы продемонстрировать его эффективность для компьютерной диагностики холелитиаза. В-пятых, команда радиологов оценивает и подтверждает прогнозы и соответствующие визуальные объяснения, полученные с помощью предлагаемого подхода. Результаты показывают, что предлагаемый подход к классификации холелитиаза превосходит по производительности современные предварительно обученные модели CNN и Vision Transformer. Тепловая карта, созданная с помощью предлагаемого гибридного метода объяснения, обеспечивает детальные визуальные пояснения, повышая прозрачность и надежность в медицинской сфере.

Профессор Кетан Котеча является широко известным исследователем и преподавателем в области глубокого обучения, искусственного интеллекта, компьютерных алгоритмов и машинного обучения, был признан мировым сообществом как один из 2% лучших ученых мира по версии Стэнфордского университета. В настоящее время работает в Международном университете Симбиозис (Symbiosis International University, QS 140) в должности директора и профессора института технологий, является директором центра прикладного искусственного интеллекта Симбиозис (Symbiosis Centre for Applied Artificial Intelligence).