借助可解释可信深度学习模型提升癌症诊断
人工智能
2024-12-24 v1
摘要
本研究提出了一种创新的癌症诊断和预测方法，利用可解释人工智能 (XAI) 和深度学习技术。2020 年全球因癌症导致近乎 1000 万例死亡，早期准确诊断至关重要。传统方法常面临成本、准确性和效率等挑战。我们的研究开发了一种 AI 模型，能够提供精确结果并清晰阐明其决策过程，从而解决深度学习模型的“黑箱”问题。通过采用 XAI 技术，我们增强了可解释性和透明度，树立了医护人员和患者之间的信任。我们的方法利用神经网络分析大量数据集，识别癌症检测的模式。该模型有望通过提高诊断准确性、可及性和医疗决策 clarity，革新诊断工作，甚至可能导致更早的发现和更个性化的治疗策略。此外，它可能 democratise 高质量诊断的获取，尤其是在资源受限的地区，为全球健康公平性作出贡献。该模型的应用范围不仅限于癌症诊断，potentially 还可能改变医疗决策的各个方面，拯救数百万生命。
引用
@article{arxiv.2412.17527,
title = {Enhancing Cancer Diagnosis with Explainable & Trustworthy Deep Learning Models},
author = {Badaru I. Olumuyiwa and The Anh Han and Zia U. Shamszaman},
journal= {arXiv preprint arXiv:2412.17527},
year = {2024}
}