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 Pedagogickou 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.