要約
ここ数年、医療分野へのディープラーニングの応用に関する作品が非常に増えています。これらの結果を医療検査に関わる全ての人に説明するためには、これらのモデルを厳密に評価する必要性が求められています。機械学習の分野では、このようなブラックボックス化したモデルの結果を説明し、望ましい評価を可能にすることを目的とした、説明可能な人工知能、通称XAIが注目されている。本調査では、医療診断研究に応用されたXAI分野の最近の研究を分析し、がんやCOVID-19などの様々な疾患における機械学習結果の説明可能性を明らかにする。
要約(オリジナル)
Over the last few years, the number of works about deep learning applied to the medical field has increased enormously. The necessity of a rigorous assessment of these models is required to explain these results to all people involved in medical exams. A recent field in the machine learning area is explainable artificial intelligence, also known as XAI, which targets to explain the results of such black box models to permit the desired assessment. This survey analyses several recent studies in the XAI field applied to medical diagnosis research, allowing some explainability of the machine learning results in several different diseases, such as cancers and COVID-19.
arxiv情報
| 著者 | Matteus Vargas Simão da Silva,Rodrigo Reis Arrais,Jhessica Victoria Santos da Silva,Felipe Souza Tânios,Mateus Antonio Chinelatto,Natalia Backhaus Pereira,Renata De Paris,Lucas Cesar Ferreira Domingos,Rodrigo Dória Villaça,Vitor Lopes Fabris,Nayara Rossi Brito da Silva,Ana Claudia Akemi Matsuki de Faria,Jose Victor Nogueira Alves da Silva,Fabiana Cristina Queiroz de Oliveira Marucci,Francisco Alves de Souza Neto,Danilo Xavier Silva,Vitor Yukio Kondo,Claudio Filipi Gonçalves dos Santos |
| 発行日 | 2023-05-12 14:25:42+00:00 |
| arxivサイト | arxiv_id(pdf) |