Fugu-MT 論文翻訳(概要): Explainable artificial intelligence (XAI) in deep learning-based medical image analysis

論文の概要: Explainable artificial intelligence (XAI) in deep learning-based medical image analysis

arxiv url: http://arxiv.org/abs/2107.10912v1
Date: Thu, 22 Jul 2021 20:16:34 GMT
ステータス: 処理完了
システム内更新日: 2021-07-26 13:47:39.632658
Title: Explainable artificial intelligence (XAI) in deep learning-based medical image analysis
Title（参考訳）: 深層学習に基づく医用画像解析における説明可能な人工知能(XAI)
Authors: Bas H.M. van der Velden, Hugo J. Kuijf, Kenneth G.A. Gilhuijs, Max A. Viergever
Abstract要約: 深層学習に基づく医用画像解析手法を分類するために,XAI基準の枠組みを導入する。医用画像解析におけるXAI技術に関する論文は、その枠組みや解剖学的位置に応じて調査され分類される。医療画像解析におけるXAIの今後の可能性について考察した。
参考スコア（独自算出の注目度）: 3.255042271092803
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: With an increase in deep learning-based methods, the call for explainability of such methods grows, especially in high-stakes decision making areas such as medical image analysis. This survey presents an overview of eXplainable Artificial Intelligence (XAI) used in deep learning-based medical image analysis. A framework of XAI criteria is introduced to classify deep learning-based medical image analysis methods. Papers on XAI techniques in medical image analysis are then surveyed and categorized according to the framework and according to anatomical location. The paper concludes with an outlook of future opportunities for XAI in medical image analysis.
Abstract（参考訳）: 深層学習に基づく手法の増加に伴い,特に医用画像分析などの高リスク意思決定領域において,その説明可能性を求める声が高まる。本調査では,深層学習に基づく医用画像解析に使用されるeXplainable Artificial Intelligence(XAI)の概要について述べる。深層学習に基づく医用画像解析手法を分類するために,XAI基準の枠組みを導入する。医用画像解析におけるxai技術に関する論文は、その枠組みと解剖学的位置に応じて調査・分類される。医療画像解析におけるXAIの今後の可能性について考察した。

関連論文リスト

Self-eXplainable AI for Medical Image Analysis: A Survey and New Outlooks [9.93411316886105]
Self-eXplainable AI (S-XAI)は、ディープラーニングモデルのトレーニングプロセスに説明可能性を直接組み込む。本研究は,様々な画像モダリティと臨床応用を包括的に検討する。
論文参考訳（メタデータ） (2024-10-03T09:29:28Z)
Survey on Adversarial Attack and Defense for Medical Image Analysis: Methods and Challenges [64.63744409431001]
医療画像解析における敵攻撃・防衛の進歩に関する総合的な調査を報告する。公正な比較のために、逆向きに堅牢な診断モデルのための新しいベンチマークを構築した。
論文参考訳（メタデータ） (2023-03-24T16:38:58Z)
Computer Vision on X-ray Data in Industrial Production and Security Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文参考訳（メタデータ） (2022-11-10T13:37:36Z)
A Review of Causality for Learning Algorithms in Medical Image Analysis [12.249809900292798]
技術準備レベル(Technology Readiness Levels)の枠組みの中で,医療画像解析のための機械学習を解析する。我々は、堅牢で適応可能な医用画像解析アルゴリズムを作成する際に、因果解析手法がギャップを埋める方法についてレビューする。
論文参考訳（メタデータ） (2022-06-11T11:04:13Z)
Explainable Deep Learning Methods in Medical Image Classification: A Survey [0.0]
最先端のディープラーニングモデルは、異なるタイプの医療データの分類において、人間レベルの精度を達成した。これらのモデルは、主に解釈可能性の欠如のために、臨床ではほとんど採用されていない。ディープラーニングモデルのブラックボックス性は、これらのモデルの意思決定プロセスを説明するための戦略を考案する必要性を高めている。
論文参考訳（メタデータ） (2022-05-10T09:28:14Z)
Artificial Intelligence in Tumor Subregion Analysis Based on Medical Imaging: A Review [2.119165920735065]
本稿では,医療画像におけるAIを用いた腫瘍サブリージョン解析についてレビューする。トレーニング戦略によって、aiベースの手法を分類します。腫瘍サブリージョン分析における特定の課題と潜在的なAI応用について論じる。
論文参考訳（メタデータ） (2021-03-25T03:41:21Z)
Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文参考訳（メタデータ） (2021-03-19T14:13:56Z)
Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文参考訳（メタデータ） (2021-02-07T19:12:32Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文参考訳（メタデータ） (2020-10-07T08:36:44Z)
Survey of XAI in digital pathology [3.4591414173342643]
本稿では,デジタル病理学におけるXAIについて,特定の特徴とニーズを持つ医用画像のサブディシプリタであるXAIについて紹介する。病理画像診断における深層学習手法に関する現在のXAI技術の概要について概説する。そこで我々は,XAIランドスケープの不可欠な部分として不確実性推定手法を取り入れた。
論文参考訳（メタデータ） (2020-08-14T13:11:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。