Shedding light on the black box of a neural network used to detect prostate cancer in whole slide images by occlusion-based explainability

Varování

Publikace nespadá pod Ekonomicko-správní fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.
Autoři

GALLO Matej KRAJŇANSKÝ Vojtěch NENUTIL Rudolf HOLUB Petr BRÁZDIL Tomáš

Rok publikování 2023
Druh Článek v odborném periodiku
Časopis / Zdroj NEW BIOTECHNOLOGY
Fakulta / Pracoviště MU

Fakulta informatiky

Citace
www https://www.sciencedirect.com/science/article/pii/S1871678423000511
Doi http://dx.doi.org/10.1016/j.nbt.2023.09.008
Klíčová slova Artificial intelligence; Digital histopathology; Explainable AI; Machine learning; Occlusion sensitivity analysis; Prostate cancer
Popis • Saliency maps identified histomorphological features characterizing cancer. • VGG16 model utilized all the structures that are observable by the pathologist. • The method can identify standard patterns not used by the model. • The method can also identify new patterns not yet used by human pathologists.
Související projekty:

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.