Apr, 2024
利用后启发式方法增强脑肿瘤数据集中深度学习模型的解释性
Enhancing Deep Learning Model Explainability in Brain Tumor Datasets using Post-Heuristic Approaches
Konstantinos Pasvantis, Eftychios Protopapadakis
TL;DR本研究致力于提高深度学习模型在医学诊断中的可解释性，通过基于特定场景规则的后处理机制来优化 LIME Library 和 LIME 图像解释器生成的解释。该研究使用与脑瘤检测相关的公开数据集进行了多次实验，所提出的后启发式方法在医学诊断中取得了显著的进展，产生了更加可靠和具体的结果。