Explainable Deep Feature Embedding Using Multiple Instance Learning fo…
페이지 정보
본문
● 논문제목: Explainable Deep Feature Embedding Using Multiple Instance Learning for Pathological Image Analysis
● 논문내용 요약: 대장암 & 폐생검 데이터셋을 사용하여 MIL (Multiple Instance Learning) 프레임워크로 훈련된 dictionary 기반 설명 가능한 CNN 을 제안하여 AI 모델 예측에 대한 신뢰도를 향상시키는데 기여합니다.
● 논문의 시사점: MIL 방법은 CNNs를 사용하여 feature space를 학습하여 예측하고 key instance들을 localizing하여 해석을 수행하는데 key instance들이 왜 중요한지에 대한 명확성이 떨어진다는 한계점이 존재합니다. 이를 해결하고자 dictionary-based CNN을 제안하였고 사용자가 이해할 수 있는 예시로 해석을 하여 사용성을 높이는데 기여하였습니다.
● 논문내용 요약: 대장암 & 폐생검 데이터셋을 사용하여 MIL (Multiple Instance Learning) 프레임워크로 훈련된 dictionary 기반 설명 가능한 CNN 을 제안하여 AI 모델 예측에 대한 신뢰도를 향상시키는데 기여합니다.
● 논문의 시사점: MIL 방법은 CNNs를 사용하여 feature space를 학습하여 예측하고 key instance들을 localizing하여 해석을 수행하는데 key instance들이 왜 중요한지에 대한 명확성이 떨어진다는 한계점이 존재합니다. 이를 해결하고자 dictionary-based CNN을 제안하였고 사용자가 이해할 수 있는 예시로 해석을 하여 사용성을 높이는데 기여하였습니다.
첨부파일
- 이전글Confidence Calibration and Predictive Uncertainty Estimation for Deep Medical Image Segmentation 23.01.25
- 다음글230118_Unsupervised domain adaptation for medical imaging segmentation with self-ensembling 23.01.18
댓글목록
등록된 댓글이 없습니다.