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:	Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VII. e-Infrastruktura CZ Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence