• 목록

● 논문제목: Quantifying Explainers of Graph Neural Networks in Computational Pathology

● 논문내용 요약: Digital pathology에서 딥러닝 모델의 output에 대한 Explainability는 필수적이나, 현 사용되는 pixel-wise기반의 explainer는 entity에 대한 특성을 반영하지 못하므로 pathologist들이 이해하기 어려움이 있다. 본 논문에서는 Entity기반 graph process 와 함께 pathologist가 explanation에 쉽게 설명할 수 있는 explainer를, 제안하고자 하는 Quantitative Metric를 통해 알맞게 식별하여 문제를 해결한다.

● 논문의 시사점: 본 논문에서는  Quantitative Metric 라는 제안한  Metric을 사용하여 layer-wise relevance propagation,gradient based saliency,graph pruning 세가지 방법의 GNN explainer중 어떤 explainer의 결과가 유방암 하위 분류에 대한 cell graph 를 잘 설명하는지 시사한다. 또한 제안된 metric은 도메인 고유의 직관적인 concept을 사용하여 다른 도메인에도 적용할 수 있음을 주장한다.