Core Concepts
AIoMTにおける透明性を重視したAIフレームワークが、効果的な医療方法を向上させ、信頼性と理解を促進することを目指している。
Abstract
医療業界は、AIoMTの収束によって革新され、高度なデータ駆動型ソリューションが健康システムを改善することが可能になった。しかし、人工知能(AI)モデルの複雑さが増す中で、特に医療分野では透明性と解釈可能な意思決定が重要となっている。この研究では、LIMEやSHAP、Grad-CAMなどの手法を組み込んだカスタムXAIフレームワークを活用し、AIoMT領域向けに設計されたものであり、戦略的な医療方法の効果を高め、信頼性と理解を促進することを目指している。提案されたフレームワークは脳腫瘍検出に適用されており、トレーニング精度が99%で検証精度が98%で高い精度と再現率、F1スコアを達成している。
Quotes
"提案されたフレームワークは脳腫瘍検出に適用されており、トレーニング精度が99%で検証精度が98%で高い精度と再現率、F1スコアを達成している。"
"提案されたカスタムアンサンブルモデルは高い結果を達成しました。"