超越可解释的人工智能:提高对睡眠呼吸暂停诊断机器学习的信任和稳定性
1Faculty of Data Science, Musashino University, 3-3-3 Ariake Koto-ku, Tokyo, 135-8181, Japan.
Sleep medicine reviews
|August 17, 2025
概括
这项研究对睡眠呼吸暂停检测的可解释AI (XAI) 进行了批评,发现特征的重要性不可靠. 它提出了无监督的机器学习和非参数统计数据,以进行强大的临床验证.
科学领域:
- 生物医学数据分析
- 医疗保健中的人工智能
- 睡眠医学研究研究
背景情况:
- 现有评论强调机器学习 (ML) 和深度学习 (DL) 用于睡眠呼吸暂停检测,重点关注可解释的AI (XAI).
- 挑战包括呼吸暂停-呼吸暂停指数 (AHI) 的差异,以及来自XAI工具 (如SHAP) 的特征导入的可靠性.
- 高预测准确度并不能保证特征重要性指标的有效性,这些指标缺乏基本真相验证.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
578
04:54Author Spotlight: IntelliSleepScorer — A High-Accuracy, Accessible GUI Software for Automated Sleep Stage Scoring in Mice and its Application in Psychiatric Research
Published on: November 8, 2024
651
