零样本图像分类解决了训练和测试数据类别不相交的问题,人类标注属性是一种常用的实现零样本图像分类的辅助知识.为协助专家设计类属性矩阵,提出了一种交互式构建方法,简化了烦琐且缺乏指导的流程.首先,通过一种基于概念的深度学习可解...零样本图像分类解决了训练和测试数据类别不相交的问题,人类标注属性是一种常用的实现零样本图像分类的辅助知识.为协助专家设计类属性矩阵,提出了一种交互式构建方法,简化了烦琐且缺乏指导的流程.首先,通过一种基于概念的深度学习可解释性方法,在训练集图像数据中提取出可理解的属性信息;然后,采用多视图协作的交互方式,探索和分析已提取属性的重要性.系统提供了全局和局部2种方式,辅助用户设计测试集数据类别的属性值;最后,通过在数据集Animals with Attributes2上进行的案例分析,以及采用李克特量表的用户评估实验,验证了设计方法的有效性和实用性,可以帮助专家用户高效且便捷地完成类属性构建工作.展开更多
目的:通过文献计量学方法,分析影像医学与核医学领域可解释人工智能(XAI)的研究现状和趋势,为该领域人工智能(AI)相关研究提供参考。方法:使用Web of Science数据库检索截至2024年6月的XAI相关文献,并利用Bibliometrix、VOSviewer和Cite...目的:通过文献计量学方法,分析影像医学与核医学领域可解释人工智能(XAI)的研究现状和趋势,为该领域人工智能(AI)相关研究提供参考。方法:使用Web of Science数据库检索截至2024年6月的XAI相关文献,并利用Bibliometrix、VOSviewer和Citespace进行文献分析与可视化。结果:最终纳入1174篇XAI文献。自2018年起,该领域发文量显著增加,美国和中国是主要的研究产出和合作国家。研究形成了6本核心期刊和243位核心作者。关键词分析结果显示,XAI研究涉及临床诊断模型、机器学习、影像组学、神经网络和深度学习等领域。2022年后,研究主题变得多样化,卷积神经网络的可解释性成为热点。结论:影像医学与核医学领域对XAI的关注日益上升,取得了一定成果。然而,AI研究与XAI研究之间仍存在不平衡。展开更多
文摘零样本图像分类解决了训练和测试数据类别不相交的问题,人类标注属性是一种常用的实现零样本图像分类的辅助知识.为协助专家设计类属性矩阵,提出了一种交互式构建方法,简化了烦琐且缺乏指导的流程.首先,通过一种基于概念的深度学习可解释性方法,在训练集图像数据中提取出可理解的属性信息;然后,采用多视图协作的交互方式,探索和分析已提取属性的重要性.系统提供了全局和局部2种方式,辅助用户设计测试集数据类别的属性值;最后,通过在数据集Animals with Attributes2上进行的案例分析,以及采用李克特量表的用户评估实验,验证了设计方法的有效性和实用性,可以帮助专家用户高效且便捷地完成类属性构建工作.
文摘目的:通过文献计量学方法,分析影像医学与核医学领域可解释人工智能(XAI)的研究现状和趋势,为该领域人工智能(AI)相关研究提供参考。方法:使用Web of Science数据库检索截至2024年6月的XAI相关文献,并利用Bibliometrix、VOSviewer和Citespace进行文献分析与可视化。结果:最终纳入1174篇XAI文献。自2018年起,该领域发文量显著增加,美国和中国是主要的研究产出和合作国家。研究形成了6本核心期刊和243位核心作者。关键词分析结果显示,XAI研究涉及临床诊断模型、机器学习、影像组学、神经网络和深度学习等领域。2022年后,研究主题变得多样化,卷积神经网络的可解释性成为热点。结论:影像医学与核医学领域对XAI的关注日益上升,取得了一定成果。然而,AI研究与XAI研究之间仍存在不平衡。
