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 Filozofickou 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