正常組織合併症確率モデルの解釈可能な深層学習のための相対的連続性形式の拡張
Extending the Relative Seriality Formalism for Interpretable Deep Learning of Normal Tissue Complication Probability Models Kallmanらの相対的な連続性モデルを正式に示します。単純なタイプの畳み込みニューラルネットワークに正確にマッピングします。このアプローチは、それぞれ傍観者効果と階層的組織組織の観点から、畳み込み層と積み重ねられた中間プーリング層のフィードフォワード接続の自然な解釈につながります。これらの結果は、大規模なイメージングおよび線量測定データセットを使用して、放射線生物学的に解釈可能な正常組織合併症の確率の深層学習の原理実証として機能します。 We formally demonstrate that the relative seriality mo
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2406.10828v1
https://arxiv-check-250201.firebaseapp.com/each/2404.08585v1
https://arxiv-check-250201.firebaseapp.com/each/2404.04155v1
https://arxiv-check-250201.firebaseapp.com/each/2403.09948v1
https://arxiv-check-250201.firebaseapp.com/each/2311.11014v1
https://arxiv-check-250201.firebaseapp.com/each/2310.18141v1
弱い教師ありセグメンテーションを強化するための忠実度の高い疑似ラベル
LAP：畳み込みニューラルネットワークにおける忠実な解釈と知識注入のための注意ベースのモジュール
LAP：畳み込みニューラルネットワークにおける忠実な解釈と知識注入のための注意ベースのモジュール
LAP：畳み込みニューラルネットワークにおける忠実な解釈と知識注入のための注意ベースのモジュール
F-CAM：ガイド付きパラメトリックアップスケーリングによるフル解像度クラスアクティベーションマップ
ニューラルネットワークのスパースコーディング解釈と理論的意味
胸部X線撮影による肺結核の検出のための深層学習：10カ国にわたる国際研究
物体認識のための解釈可能なグラフカプセルネットワーク
物体認識のための解釈可能なグラフカプセルネットワーク