Zobrazeno 1 - 10
of 103
pro vyhledávání: '"Vachet, Clement"'
The high complexity of deep learning models is associated with the difficulty of explaining what evidence they recognize as correlating with specific disease labels. This information is critical for building trust in models and finding their biases.
Externí odkaz:
http://arxiv.org/abs/2007.01975
Publikováno v:
International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2019. p. 685-693
Knowledge of what spatial elements of medical images deep learning methods use as evidence is important for model interpretability, trustiness, and validation. There is a lack of such techniques for models in regression tasks. We propose a method, ca
Externí odkaz:
http://arxiv.org/abs/1908.10468
Autor:
Nizinski, Cody A., Ly, Cuong, Vachet, Clement, Hagen, Alex, Tasdizen, Tolga, McDonald, Luther W., IV
Publikováno v:
In Chemometrics and Intelligent Laboratory Systems 15 June 2022 225
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Microscopy & Microanalysis; 2021 Supplement 1, Vol. 27, p2522-2525, 4p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Schroeder, Joyce D, Lanfredi, Ricardo Bigolin, Li, Tao, Chan, Jessica, Vachet, Clement, III, Robert Paine, Srikumar, Vivek, Tasdizen, Tolga
Publikováno v:
International Journal of COPD; Jan2021, Vol. 16, p3455-3466, 12p