DASS Good：空间队列数据的可解释数据挖掘
人机交互
2023-04-12 v1 机器学习
摘要
当数据包含空间信息时，例如相邻危险器官的辐射剂量分布，开发适用的临床机器学习模型是一项困难的任务。我们描述了建模系统DASS的共同设计，以支持混合人机开发和验证用于估计头颈癌患者放疗剂量相关长期毒性的预测模型。DASS是与肿瘤学和数据挖掘领域专家合作开发的，它结合了人在回路的可视化引导、空间数据和可解释AI，以通过自动数据挖掘增强领域知识。我们通过开发两个实用的临床分层模型演示了DASS，并报告了领域专家的反馈。最后，我们描述了从这一协作经验中学习的设计经验。
引用
@article{arxiv.2304.04870,
title = {DASS Good: Explainable Data Mining of Spatial Cohort Data},
author = {Andrew Wentzel and Carla Floricel and Guadalupe Canahuate and Mohamed A. Naser and Abdallah S. Mohamed and Clifton David Fuller and Lisanne van Dijk and G. Elisabeta Marai},
journal= {arXiv preprint arXiv:2304.04870},
year = {2023}
}
备注
10 pages, 9 figures