Nov, 2023
设计可解释的机器学习系统以增强可信的医疗人工智能:对过去十年的系统性回顾和提出的稳健框架
Designing Interpretable ML System to Enhance Trustworthy AI in Healthcare: A Systematic Review of the Last Decade to A Proposed Robust Framework
Elham Nasarian, Roohallah Alizadehsani, U. Rajendra Acharyac, d Kwok-Leung Tsui
TL;DRAI 医疗技术对健康医疗产生重大影响,本文回顾了在医疗领域中可解释机器学习(IML)和可解释人工智能(XAI)的过程和挑战,着重关注质量控制,并针对实验结果阐明了健康医疗中稳健解释性的重要性,为创建可沟通的医生 - 人工智能工具提供了见解。