Analyse des caractéristiques apprises similaires aux critères diagnostiques dans la classification ECG à 12 dérivations par apprentissage profond

Sciences de l'information, Intelligence artificielle, Médecine, Imagerie médicale, Système cardiovasculaire,
apprentissage profond   ECG   intelligence artificielle explicable   attribution de caractéristiques   fibrillation auriculaire   bloc de branche gauche   traitement du signal biologique  

Recherche sur l’interprétabilité de l’apprentissage profond dans le diagnostic automatisé de l’ECG — Synthèse des avancées basées sur l’IA explicable I. Contexte académique et problématique L’électrocardiogramme (ECG), moyen important de collecte de signaux physiologiques pour le diagnostic des maladies cardiaques en clinique, existe depuis plus d’...

Modèles d'apprentissage automatique explicables et randomisés pour un diagnostic médical efficace

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Analyses médicales, Urologie, Néphrologie, Imagerie médicale, Oncologie, Système cardiovasculaire,
diagnostic médical   modèles aléatoires   intelligence artificielle explicable   machines à apprentissage extrême   réseau fonctionnel à vecteurs aléatoires   big data   apprentissage profond  

Percée dans le diagnostic médical intelligent : les modèles d’apprentissage automatique aléatoires et explicables propulsent l’efficacité du diagnostic médical I. Contexte académique et motivation de la recherche Ces dernières années, les modèles d’apprentissage profond (Deep Learning, DL) jouent un rôle clé dans le domaine de la santé. En analysan...

Sonde des perturbations structurelles à l'échelle nanométrique dans une monocouche de WS2 via l'intelligence artificielle explicable

Chimie, Nanosciences, Science des matériaux, Sciences de l'information, Semi-conducteurs et dispositifs d'information, Intelligence artificielle,
nanométrique   perturbation structurelle   intelligence artificielle explicable   spectroscopie Raman   apprentissage automatique  

Contexte Les matériaux bidimensionnels (2D materials) présentent un potentiel immense dans des domaines tels que la nanoélectronique et l’optoélectronique en raison de leurs propriétés physico-chimiques uniques. Cependant, les perturbations structurelles à l’échelle nanométrique (structural perturbations) dans ces matériaux ont un impact significat...

Un modèle de prévision de prix de l'électricité amélioré et explicable via une approche de compensation des erreurs basée sur SHAP

Ingénierie, Génie énergétique, Sciences de l'information, Électronique et informatique, Intelligence artificielle,
prévision des prix de l'électricité   intelligence artificielle explicable   méthode SHAP   compensation des erreurs   réseaux neuronaux   marchés de l'électricité   volatilité des prix  

Étude sur l’amélioration et l’explicabilité d’un modèle de prévision des prix de l’électricité basé sur SHAP Contexte et motivation de la recherche Les modèles de prévision des prix de l’électricité dans les marchés électriques sont devenus des sujets de recherche majeurs ces dernières années, notamment en raison de l’impact financier des fluctuati...

Renforcer le pronostic des gliomes avec l'apprentissage automatique transparent et des informations interprétatives en utilisant l'IA explicable

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Médecine fondamentale, Neurologie, Oncologie,
gliome   composition moléculaire   intelligence artificielle explicable   SHAP   LIME   Qlattice   ELI5   apprentissage automatique  

Utilisation de l’apprentissage automatique transparent et des perspectives explicatives pour autonomiser l’intelligence artificielle explicable dans le pronostic des gliomes Contexte académique Cette étude vise à développer une technique fiable pour détecter si des patients souffrent d’un type spécifique de tumeur cérébrale — gliome — en utilisant ...