論文の概要: Ranking XAI Methods for Head and Neck Cancer Outcome Prediction

• arxiv url: http://arxiv.org/abs/2604.16034v1
• Date: Fri, 17 Apr 2026 13:03:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.925402
• Title: Ranking XAI Methods for Head and Neck Cancer Outcome Prediction
• Title（参考訳）: 頭頸部癌予後予測のためのXAI法
• Authors: Baoqiang Ma, Djennifer K. Madzia-Madzou, Rosa C. J. Kraaijveld, Jin Ouyang,
• Abstract要約: 頭頸部癌(HNC)患者に対しては、予後予測はパーソナライズされた治療戦略選択を支援することができる。 人工知能(AI)の解釈可能性はその臨床応用にとって重要な障害である。 私たちは24のメトリクスで13のXAIメソッドを総合的に評価し、ランク付けしました。
• 参考スコア（独自算出の注目度）: 0.41768945023388504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For head and neck cancer (HNC) patients, prognostic outcome prediction can support personalized treatment strategy selection. Improving prediction performance of HNC outcomes has been extensively explored by using advanced artificial intelligence (AI) techniques on PET/CT data. However, the interpretability of AI remains a critical obstacle for its clinical adoption. Unlike previous HNC studies that empirically selected explainable AI (XAI) techniques, we are the first to comprehensively evaluate and rank 13 XAI methods across 24 metrics, covering faithfulness, robustness, complexity and plausibility. Experimental results on the multi-center HECKTOR challenge dataset show large variations across evaluation aspects among different XAI methods, with Integrated Gradients (IG) and DeepLIFT (DL) consistently obtained high rankings for faithfulness, complexity and plausibility. This work highlights the importance of comprehensive XAI method evaluation and can be extended to other medical imaging tasks.
• Abstract（参考訳）: 頭頸部癌(HNC)患者に対しては、予後予測はパーソナライズされた治療戦略選択を支援することができる。 PET/CTデータを用いた高度な人工知能(AI)技術により,HNC結果の予測性能の向上が図られている。 しかし、AIの解釈可能性はその臨床応用にとって重要な障害である。 説明可能なAI(XAI)テクニックを実証的に選択した以前のHNC研究とは異なり、私たちは、信頼度、堅牢性、複雑さ、妥当性をカバーし、24のメトリクスにわたって13のXAIメソッドを包括的に評価し、ランク付けしました。 マルチセンタHECKTORチャレンジデータセットの実験結果から,XAI手法の信頼性,複雑性,妥当性に関する高いランキングを一貫して取得する統合勾配 (IG) とDeepLIFT (DL) が得られた。 本研究は,XAI法を総合的に評価することの重要性を強調し,他の医療画像に拡張することができる。

関連論文リスト

• Towards a Transparent and Interpretable AI Model for Medical Image Classifications [5.574793555270349]
  本稿では,説明可能な人工知能(XAI)手法の適用について検討する。 本研究は,XAIモデルの内部動作を解明するために,様々な医療データセットを用いたシミュレーションの実装に焦点をあてる。 主要なXAI手法とシミュレーションのサーベイに加えて、XAI分野における現在進行中の課題についても論じる。
  論文  参考訳（メタデータ） (2025-09-20T13:26:31Z)
• Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [37.9243470221619]
  乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。 複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
  論文  参考訳（メタデータ） (2024-06-01T18:50:03Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Enhancing Breast Cancer Diagnosis in Mammography: Evaluation and Integration of Convolutional Neural Networks and Explainable AI [0.0]
  本研究では,畳み込みニューラルネットワーク(CNN)と説明可能な人工知能(XAI)を組み合わせて乳がんの診断を高度化するための統合フレームワークを提案する。 この方法論は、データセットの制限に対処するために、精巧なデータ前処理パイプラインと高度なデータ拡張技術を含んでいる。 本研究の焦点は,モデル予測の解釈におけるXAIの有効性を評価することである。
  論文  参考訳（メタデータ） (2024-04-05T05:00:21Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Towards Trust of Explainable AI in Thyroid Nodule Diagnosis [0.0]
  我々は,甲状腺結節診断アプリケーションにおけるブラックボックスAIモデルの予測を説明するために,最先端のeXplainable AI(XAI)手法を適用した。 我々は,検出された結節が存在しない場合を説明するために,新しい統計ベースのXAI手法,すなわちカーネル密度推定と密度マップを提案する。
  論文  参考訳（メタデータ） (2023-03-08T17:18:13Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。