Aug, 2023

运用可解释人工智能解读膝骨关节炎诊断特征：一项系统综述

PDF
TL;DR该研究调查了用于膝关节骨关节炎诊断的可解释人工智能技术，旨在提供膝关节骨关节炎可靠诊断方法的更多见解并鼓励其在临床实践中的采用。
artificial intelligencediagnosingknee osteoarthritisexplainable artificial intelligencexai techniques
发现论文，激发创造
  • 正骨学中的可解释人工智能：挑战、机遇与前景

    人工智能在医疗保健领域的应用相对较慢，主要是由于监管框架、患者隐私关注和数据异质性等因素。在骨科领域，解释性和可解释性的人工智能模型的缺乏阻碍了其实施。通过开发优先考虑透明度和可解释性的人工智能模型和算法，解决解释性人工智能在骨科领域的挑战需要让临床医生、外科医生和患者能够理解任何基于人工智能的预测或描述模型的贡献因素。该研究强调了在骨科实践中解释性人工智能中存在的几个关键挑战和机会，强调了人工智能从业者、骨科专家和监管机构之间的跨学科合作以建立解释性人工智能在骨科领域的采用标准和指南的需求。

    Aug, 2023

  • 可解释人工智能（XAI）综述：面向医疗 XAI

    这篇论文概述了解释机器学习算法决策的不同方法，并将它们应用到医学研究中，以提高医生对这些算法的信任度。

    Jul, 2019

  • 基于深度学习的普通 X 光片自动诊断膝骨关节炎方法

    本研究提出一种基于深度孪生卷积神经网络的新透明计算机辅助诊断方法，根据 Kellgren-Lawrence 分级标准自动评分膝骨关节炎病情，并报告了该方法验证的结果和关键的放射学特征。

    Oct, 2017

  • 可解释的人工智能在医疗保健中的简要回顾

    本文系统地评估了透明度和可解释性在医疗保健领域中的重要性和相关的机器学习模型。通过六种不同的方法探讨了 XAI 的各个方面和挑战，并探明了其在解决医疗保健领域中存在的问题方面所起到的重要作用。

    Apr, 2023

  • XAI Renaissance: 重新定义医学诊断模型中的可解释性

    本综述论文探讨了在可解释人工智能（XAI）领域中，用于革新医学诊断模型的革新性方法和方法论。通过揭示潜在的决策过程，XAI 技术使得医疗保健专业人员理解、信任和有效利用这些模型进行准确和可靠的医疗诊断。文章强调了 XAI 在医疗诊断方面取得的关键进展及其潜力，以提高患者的治疗效果并加强人工智能驱动的诊断系统的信任。

    Jun, 2023

  • 医学图像中的可解释人工智能：一项调查

    本研究旨在分析 XAI 在医学诊断研究中应用的最新研究，对多种不同疾病（如癌症和 COVID-19）的机器学习结果进行解释，以实现想要的评估。

    May, 2023

  • 准确故障检测和诊断的可解释人工智能技术综述

    制造业中的深度学习模型的不透明性对故障检测和诊断构成了重要挑战。本文对可解释人工智能（XAI）的工具和技术进行了综述，探讨了各种 XAI 方法在增加人工智能决策透明度方面的作用，特别是在涉及人类的关键情景中。同时，我们还讨论了当前的局限性以及未来潜在的研究，旨在在改善信任度的同时平衡可解释性与模型性能，以应用于关键工业用例的人工智能应用。

    Apr, 2024

  • 基于深度学习的医学图像分析中的可解释人工智能（XAI）

    本文调查了可解释人工智能 (XAI) 在基于深度学习的医学图像分析中的应用，提出了一个 XAI 标准框架来分类这些基于深度学习的方法，根据解释方法和解释结构将应用于医学图像分析中的 XAI 技术进行了分类，并按解剖位置进行了整理，并给出了未来在医学图像分析中 XAI 的机会的展望。

    Jul, 2021

  • 评估流行的可解释人工智能在临床预测模型中的应用：能否信赖？

    本研究旨在评估两种流行的可解释人工智能方法在医疗保健背景下解释预测模型的精确度，重点考虑是否产生与应用任务相一致的域适当表示，如何影响临床工作流程以及是否一致性，结果表明目前的技术还有改进的空间。

    Jun, 2023

  • 可解释人工智能：系统综述

    这篇论文从四个主要聚类方向：综述文章、理论和概念、方法及其评估，总结了可解释人工智能领域的最新技术水平并提出了未来研究方向。

    May, 2020