Fugu-MT 論文翻訳(概要): Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations

論文の概要: Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations

arxiv url: http://arxiv.org/abs/2605.08688v1
Date: Sat, 09 May 2026 04:53:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:49.815879
Title: Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations
Title（参考訳）: 実測値に基づく説明を用いた一貫性に基づく診断の再構築
Abstract要約: 一貫性に基づく診断(CBD)と実際の因果性と因果責任の関連性を確立する。 CBDはXAIコミュニティからはほとんど注目を集めていない。これら2つの領域間の接続は、XAIと説明可能なデータ管理に実りある影響を与える可能性がある。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We establish, from the point of view of Explainable AI (XAI), connections between Consistency-Based Diagnosis (CBD), on one side, and Actual Causality and Causal Responsibility, on the other. CBD has received little attention from the XAI community. Connections between these two areas could have a fruitful impact on XAI and Explainable Data Management.
Abstract（参考訳）: 我々は、説明可能なAI(XAI)の観点から、一方の一貫性に基づく診断(CBD)と他方の因果性と因果責任(Causal Responsibility)の関連性を確立する。 CBDはXAIコミュニティからはほとんど注目を集めていない。これら2つの領域間の接続は、XAIと説明可能なデータ管理に実りある影響を与える可能性がある。

関連論文リスト

Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
論文参考訳（メタデータ） (2026-07-24T04:26:47Z)
Brain-Atlas-Guided Generative Counterfactual Attention for Explainable Cognitive Decline Diagnosis Using Multimodal Connectomes [29.55834943593375]
本稿では,認知低下診断のためのアトラス知識誘導型生成意図誘導ネットワーク(GCAN)を提案する。 GCANは、ソース・ツー・ターゲットの偽物生成問題として診断を定式化する。 Atlas-Aware Bidirectional Transformer (AABT) は、ブレイン・アトラス制約の下で、ネットワークレベルのトークンの符号化と復号を行う。
論文参考訳（メタデータ） (2026-05-31T13:39:11Z)
MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning [66.94527468532843]
2段階の診断推論フレームワークであるMultiDxを提案する。まず Web 検索,SOAP 形式の症例,臨床症例データベースから知識を活用することにより,疑わしい診断と推論経路を生成する。そして、マッチング、投票、および差分診断を通じて、複数のパースペクティブエビデンスを統合し、最終的な予測を生成する。
論文参考訳（メタデータ） (2026-04-27T08:46:29Z)
Dual Causal Inference: Integrating Backdoor Adjustment and Instrumental Variable Learning for Medical VQA [31.036981541328988]
MedVQAのための新しいDual Causal Inference(DCI)フレームワークを提案する。 DCIは、Backdoor Adjustment (BDA)とInstrumental Variable (IV)の学習を統合して、観測可能と観測不能の両方の共同設立者に取り組む。我々の手法は既存の手法より一貫して優れている。
論文参考訳（メタデータ） (2026-04-22T08:07:54Z)
Beyond Explainable AI (XAI): An Overdue Paradigm Shift and Post-XAI Research Directions [95.59915390053588]
本研究では、ディープニューラルネットワーク(DNN)と大規模言語モデル(LLM)に焦点をあてる、説明可能な人工知能(XAI)アプローチに焦点を当てる。より深い根本原因に起因する致命的な症状(2つのパラドックス、2つの概念的混乱、5つの誤った仮定)について論じる。 XAIの限界を超えて、信頼性と認定されたAI開発に向けた4つのパラダイムシフトを提案する。
論文参考訳（メタデータ） (2026-02-27T16:58:27Z)
RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文参考訳（メタデータ） (2025-09-24T10:36:14Z)
From Predictions to Explanations: Explainable AI for Autism Diagnosis and Identification of Critical Brain Regions [0.0]
2つのモジュールを持つコンピュータ支援診断フレームワークを提案する。最初のモジュールは、ASD分類のためのクロスドメイン転送学習を通じて微調整されたディープラーニングモデルを活用する。第2のモジュールは、モデル決定を解釈し、重要な脳領域を特定することに焦点を当てている。
論文参考訳（メタデータ） (2025-09-04T03:48:10Z)
Addressing Intersectionality, Explainability, and Ethics in AI-Driven Diagnostics: A Rebuttal and Call for Transdiciplinary Action [0.30693357740321775]
人工知能の医療診断への統合の増大は、その倫理的および実践的な意味を批判的に検証する必要がある。本稿は、AIによる診断が多様な人口に公平かつ倫理的に役立っていることを保証するために、正確さと公正性、プライバシ、傾きのバランスをとるフレームワークを提案する。
論文参考訳（メタデータ） (2025-01-15T00:00:01Z)
The role of causality in explainable artificial intelligence [1.049712834719005]
因果性(Causality)とeXplainable Artificial Intelligence(XAI)は、コンピュータ科学の別分野として開発された。文献を調査し,どの程度因果関係とXAIが絡み合っているかを理解する。
論文参考訳（メタデータ） (2023-09-18T16:05:07Z)
Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-05-20T03:12:23Z)
Neuro-symbolic Explainable Artificial Intelligence Twin for Zero-touch IoE in Wireless Network [61.90504487270785]
説明可能な人工知能(XAI)双対システムは、ゼロタッチネットワークとサービス管理(ZSM)の基本的な実現要因となる。 ZSMのための信頼性の高いXAIツインシステムは、すべてのインターネット(IoE)の物理的振る舞いを識別する極端な分析能力と、そのような振る舞いの推論を特徴付ける厳密な方法の2つの合成を必要とする。無線IoEのための信頼性の高いZSMを実現するために、新しいニューロシンボリックな説明可能な人工知能ツインフレームワークが提案されている。
論文参考訳（メタデータ） (2022-10-13T01:08:06Z)
Disentangling Observed Causal Effects from Latent Confounders using Method of Moments [67.27068846108047]
我々は、軽度の仮定の下で、識別性と学習可能性に関する保証を提供する。我々は,線形制約付き結合テンソル分解に基づく効率的なアルゴリズムを開発し,スケーラブルで保証可能な解を得る。
論文参考訳（メタデータ） (2021-01-17T07:48:45Z)

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。