基于可视化学习与深度学习的情感医疗估计与决策
机器学习
2022-05-11 v1 人工智能
摘要
随着复杂机器学习（ML）技术的出现及其所产生的前景广阔的结果，尤其在医疗应用中，它们已被研究用于不同任务以增强决策过程。由于可视化在人类理解、记忆与判断中是如此有效的工具，我们提出了一种称为面向机器学习的可视化学习（VL4ML）的首创估计方法，它不仅能辅助医师与临床医生做出有理据的医疗决策，还允许领会不确定性可视化，这可能在使用适当分类或预测时引发不确定。作为概念验证并展示该可视化估计方法的通用性，我们考察了涵盖分类、回归与纵向预测等不同类型任务的五个不同案例研究。还开展了超过 100 人的调查分析以评估用户对该可视化估计方法的反馈。实验与调查展示了 VL4ML 的实用优点，包括：（1）可视化领会临床/医疗估计；（2）更接近患者偏好；（3）改善医患沟通；（4）可视化所部署 ML 算法黑箱效应引入的不确定性。所有源代码均通过 GitHub 仓库共享。
引用
@article{arxiv.2205.04599,
title = {Affective Medical Estimation and Decision Making via Visualized Learning and Deep Learning},
author = {Mohammad Eslami and Solale Tabarestani and Ehsan Adeli and Glyn Elwyn and Tobias Elze and Mengyu Wang and Nazlee Zebardast and Nassir Navab and Malek Adjouadi},
journal= {arXiv preprint arXiv:2205.04599},
year = {2022}
}