Fugu-MT 論文翻訳(概要): Evaluating saliency methods on artificial data with different background types

論文の概要: Evaluating saliency methods on artificial data with different background types

arxiv url: http://arxiv.org/abs/2112.04882v1
Date: Thu, 9 Dec 2021 13:08:28 GMT
ステータス: 処理完了
システム内更新日: 2021-12-10 13:50:47.781484
Title: Evaluating saliency methods on artificial data with different background types
Title（参考訳）: 異なる背景型を持つ人工データに対するサリエンシ手法の評価
Authors: C\'eline Budding, Fabian Eitel, Kerstin Ritter, Stefan Haufe
Abstract要約: そこで我々は,合成病変と既知地上真実マップを用いた人工データ生成フレームワークを開発した。異なる背景を持つ2つのデータセット(パーリンノイズと2次元脳MRIスライス)を評価し,その熱マップは有意差が認められた。
参考スコア（独自算出の注目度）: 1.1470070927586016
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Over the last years, many 'explainable artificial intelligence' (xAI) approaches have been developed, but these have not always been objectively evaluated. To evaluate the quality of heatmaps generated by various saliency methods, we developed a framework to generate artificial data with synthetic lesions and a known ground truth map. Using this framework, we evaluated two data sets with different backgrounds, Perlin noise and 2D brain MRI slices, and found that the heatmaps vary strongly between saliency methods and backgrounds. We strongly encourage further evaluation of saliency maps and xAI methods using this framework before applying these in clinical or other safety-critical settings.
Abstract（参考訳）: 近年、多くの「説明可能な人工知能(xAI)」アプローチが開発されてきたが、必ずしも客観的に評価されているわけではない。各種サリエンシ法で生成した熱マップの品質を評価するため,合成病変を用いた人工データ生成フレームワークと既知の地中真理マップを開発した。このフレームワークを用いて,perlinノイズと2次元脳mriスライスの2つの背景データを評価し,その熱マップが塩分法と背景によって強く異なることを見出した。本手法を臨床や安全性に配慮した環境に応用する前に,この枠組みを用いて唾液マップやxAI手法のさらなる評価を強く推奨する。

関連論文リスト

An Experimental Investigation into the Evaluation of Explainability Methods [60.54170260771932]
この研究は、9つの最先端XAI法と3つのダミー法(例えば、ランダム・サリエンシ・マップ)に適用された14の異なるメトリクスを比較した。実験の結果、これらの指標のどれが高い相関関係を示し、潜在的な冗長性を示している。
論文参考訳（メタデータ） (2023-05-25T08:07:07Z)
EvalAttAI: A Holistic Approach to Evaluating Attribution Maps in Robust and Non-Robust Models [0.3425341633647624]
本稿では、ロバストニューラルネットワークがより説明しやすいかどうかを調べるために、属性マッピングの評価方法に焦点を当てる。従来の指標の限界に対処する新しい説明可能性忠実度指標(EvalAttAI)を提案する。
論文参考訳（メタデータ） (2023-03-15T18:33:22Z)
Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文参考訳（メタデータ） (2022-04-09T13:04:36Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
TorchEsegeta: Framework for Interpretability and Explainability of Image-based Deep Learning Models [0.0]
臨床医はしばしば自動画像処理アプローチ、特にディープラーニングに基づく手法の適用に懐疑的である。本稿では,アルゴリズムの決定に最も影響を及ぼす解剖学的領域を記述することによって,ディープラーニングアルゴリズムの結果の解釈と説明を支援するアプローチを提案する。ディープラーニングモデルに様々な解釈可能性および説明可能性技術を適用するための統合フレームワークであるTorchEsegetaを提案する。
論文参考訳（メタデータ） (2021-10-16T01:00:15Z)
AI in Osteoporosis [0.0]
本章は, スパース近似への関心が高まり, 外傷性骨評価と骨粗しょう症診断の方法を探究し, 評価する。まず、テクスチャ表現と分類手法、キーポイントのバグのようなパッチベースの手法、より最近のディープニューラルネットワークについて述べる。骨X線写真における骨粗しょう性データセットのクロスバリデーション結果について報告し, 異なるカテゴリーの方法を用いて得られた結果と比較した。
論文参考訳（メタデータ） (2021-09-22T01:37:30Z)
Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2021-05-14T00:53:03Z)
Quantifying Explainability of Saliency Methods in Deep Neural Networks with a Synthetic Dataset [16.1448256306394]
本稿では, より客観的な定量的評価を行うために, 地中断熱マップとともに, アドホックを生成可能な合成データセットを提案する。各サンプルデータは、局所化接地トラスマスクと区別される特徴が容易に認識されるセルの画像である。
論文参考訳（メタデータ） (2020-09-07T05:55:24Z)
Assessing the validity of saliency maps for abnormality localization in medical imaging [6.299152745637685]
残差マップは、入力画像のどの領域がトレーニングされたニューラルネットワークの予測に最も関係しているかを評価するために広く使われている方法となっている。本研究では,RSNA Pneumonia データセット上で,既存のサリエンシマップ手法の信頼性について検討した。
論文参考訳（メタデータ） (2020-05-29T20:17:26Z)

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。