乳がん検出のためのディープラーニングと説明可能な人工知能ベースのスキーム

科学分野:

• 医療画像と診断
• 医療における人工知能
• 病気を検出するための機械学習

背景:

• 人工知能 (AI) は医療における変革の可能性を秘めていますが,その"ブラックボックス"の性質は信頼と採用を妨げています.
• ディープラーニングモデルは高いパフォーマンスを示していますが,意思決定のプロセスには透明性が欠けていることが多いです.
• AIの解釈可能性に関する懐疑論は,臨床での応用を制限する.

研究 の 目的:

• DXAIBを導入します 乳がんを正確に検出するための新しいハイブリッドAIシステムです
• 医学診断における AI 解釈能力の重要な課題に取り組むこと
• 透明性を高め AI主導の医療意思決定への信頼を高めること

主な方法:

• 特徴学習のためのコンボリューションニューラルネットワーク (CNN) と分類のためのランダムフォレスト (RF) を統合したハイブリッド方法論.
• 自動化された特徴抽出のためのコンボリューションレイヤーを特徴とするDXAIBスキームの実装.
• AI予測のローカルおよびグローバル解釈性のためのSHapley Additive exPlanations (SHAP) の活用

主要な成果:

• DXAIBスキームは,既存の最先端の方法と比較して優れた予測結果を達成しました.
• ハイブリッドCNN-RFアプローチで乳がんを効果的に検出した.
• SHAPを用いたAI駆動の診断予測について,包括的なレベル別説明を提供した.

結論:

• DXAIBは 乳がんを正確に検知する 有望な解決策です
• SHAPの統合により,医療診断におけるAIの透明性と信頼性が著しく向上します.
• DXAIBは,ヘルスケアアプリケーションのための説明可能なAI (XAI) の重要な進歩を表しています.