文献

J-GLOBAL ID：202102234021446426   整理番号：21A2839471

マルチモーダルおよびマルチセンターデータ融合による医療説明可能AIのためのブラックボックスのアンボックス:ミニレビュー,2つのショーケースおよび先【JST・京大機械翻訳】

Unbox the black-box for the medical explainable AI via multi-modal and multi-centre data fusion: A mini-review, two showcases and beyond

著者 (6件)： Yang Guang (National Heart and Lung Institute, Imperial College London, London, UK) ,  Yang Guang (Royal Brompton Hospital, London, UK) ,  Yang Guang (Imperial Institute of Advanced Technology, Hangzhou, China) ,  Ye Qinghao (Hangzhou Ocean’s Smart Boya Co., Ltd, China) ,  Ye Qinghao (University of California, San Diego, La Jolla, CA, USA) ,  Xia Jun (Radiology Department, Shenzhen Second People’s Hospital, Shenzhen, China)
資料名： Information Fusion  (Information Fusion)
巻： 77  ページ： 29-52  発行年： 2022年 
JST資料番号： W3167A  ISSN： 1566-2535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 説明可能な人工知能(XAI)は,AIシステムのブラックボックス選択がどのように行われるかを非ボックス化することを目的とした機械学習の新しい研究トピックである。この研究分野は,意思決定に関わる対策とモデルを調べ,それらを明示的に説明するための解決策を追求する。機械学習アルゴリズムの多くは,どのように決定がキャストされているかを明示できない。これは,現在使用されている最も一般的な深層ニューラルネットワークアプローチである。従って,AIシステムにおける著者らの信頼は,これらのブラックボックスモデルにおける説明可能性の欠如によって妨げられる。XAIは,特に医療および健康管理研究に対し,深い学習電力応用に対しますます重要になるが,一般的に,これらの深いニューラルネットワークは,性能における停止分割を返すことができる。ほとんどの既存のAIシステムにおける不十分な説明可能性と透明性は,日常の臨床診療へのAIツールの成功した実装と統合が珍しい主な理由の1つである。本研究では,最初に,XAIの現在の進展,特に健康管理応用における進歩を調査した。次に,XAIレバーグマルチモーダルおよびマルチセンタデータ融合に対する解を導入し,その後,実際の臨床シナリオに従って2つの事例で検証した。包括的な定量的および定性的分析は,著者らの提案したXAIソリューションの有効性を証明することができ,そこから,広範囲の臨床質問で成功した応用を想像できる。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  学習 ,  *ショーケース ,  ニューラルネットワーク ,  *ブラックボックス ,  教師つき学習 ,  人工知能 ,  健康管理 ,  *多モード ,  有効性 ,  人工知能システム ,  機械学習 ,  *データ融合 ,  学習アルゴリズム
準シソーラス用語： ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 説明可能なAI ,  情報融合 ,  マルチドメイン情報融合 ,  弱教師つき学習 ,  医用画像解析

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (12件)： マルチモーダル ,  マルチ ,  センター ,  データ融合 ,  医療 ,  説明 ,  AI ,  ブラックボックス ,  アンボックス ,  レビュー ,  ショーケース ,  先