Wyjaśnialne głębokie uczenie dla interpretowalnego rozpoznawania guzów mózgu na obrazach MRI

Guz mózgu MRI Wyjaśnialna AI Obrazowanie medyczne Głębokie uczenie

Otwórz publikację źródłową DOI: 10.1007/978-3-031-70959-3_17

Streszczenie redakcyjne

Analiza MRI mózgu przez sieć neuronową jest łączona z logiką Boole’a, aby przedstawić rozumowanie diagnostyczne w formie możliwej do sprawdzenia. Rozdział bada związek między klasyfikacją obrazów a interpretowalnymi regułami decyzyjnymi.

Opis bibliograficzny

Format cytowania wymagany przez czasopismo lub organizację sprawdź w rekordzie wydawcy.

Eduard Manziuk, Olexander Barmak, Iurii Krak, Nataliia Petliak, Zhenzhen Jin, Pavlo Radiuk. "Explainable Deep Learning for Interpretable Brain Tumor Diagnosis from MRI Images". ISDMCI 2024, pp. 326-348, 2024. https://doi.org/10.1007/978-3-031-70959-3_17

Powiązane badania

Powiązane publikacje

Artykuły w czasopismach

2024DOI

Wyjaśnialne głębokie uczenie: podejście analityki wizualnej z macierzami przejścia

Pavlo Radiuk, Oleksander Barmak, Eduard Manziuk, Iurii Krak

Mathematics 12(7), 1024

Wyjaśnialna AIAnalityka wizualnaMacierze przejściaGłębokie uczenie+1

Artykuły w czasopismach

2025DOI

W stronę przejrzystej AI w medycynie: wykrywanie arytmii na podstawie EKG z użyciem wyjaśnialnego głębokiego uczenia

Oleksii Kovalchuk, Oleksandr Barmak, Pavlo Radiuk, Liliana Klymenko, Iurii Krak

Technologies 13(1), 34

EKGArytmiaWyjaśnialna AICNN+2

Badania w praktyce

Sprawdź metodę w swoim zastosowaniu.

Opisz decyzję, którą ma wspierać Twój system, oraz dostępne dane. Ocenimy przydatność metody, określimy zakres prototypu i uzgodnimy sposób pomiaru jakości, czasu odpowiedzi oraz kosztu działania.

Omów zastosowanie

Wszystkie publikacje