Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
    		 of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
تفسیرپذیری شبکه های گرافی در تشخیص بیماری در تصاویر بافت شناسی
عبدوس، سینا Abdous, Sina

Cataloging brief

تفسیرپذیری شبکه های گرافی در تشخیص بیماری در تصاویر بافت شناسی
پدیدآور اصلی :   عبدوس، سینا Abdous, Sina
ناشر :   صنعتی شریف
سال انتشار  :   1403
موضوع ها :   شبکه عصبی گرافی Graph Neural Network تعبیرپذیری Interpretability تشخیص بیماری Disease...
شماره راهنما :   ‭19-57441

Find in content

sort by

Bookmark

  • مقدمه (12)
    • تعریف مسئله (12)
    • ویژگی‌های مسئله (13)
      • پیچیدگی‌های داده‌های آسیب‌شناسی (13)
      • چالش‌های پردازش تصاویر آسیب‌شناسی (14)
      • استفاده از مدل‌های یادگیری عمیق (14)
      • الزامات تفسیرپذیری (14)
    • اهمیت موضوع (15)
    • ادبیات موضوع (16)
    • اهداف تحقیق (17)
  • مفاهیم اولیه (18)
    • مقدمه (18)
    • تعریف وظیفه تفسیر‌کردن مدل‌های هوش‌مصنوعی (18)
      • ضرورت تفسیر‌پذیری (18)
      • مدل‌های تفسیر‌پذیر (19)
    • تعریف معیار‌های تفسیر‌پذیری (19)
      • شفافیت (19)
      • قابلیت توضیح (19)
    • دیگر معیارهای به‌کارگرفته‌شده (20)
      • آزمون KS (20)
      • فیدلیتی (21)
      • امتیاز F1 وزنی (22)
    • روش‌های تفسیر مدل‌های یادگیری ماشین (22)
      • تفسیر محلی (23)
      • تفسیر سراسری (23)
      • تفسیر بصری (23)
    • چالش‌های تفسیرپذیری (23)
      • پیچیدگی‌های مدل (24)
      • تنوع داده‌ها (24)
      • محدودیت ابزارهای تفسیرپذیری (24)
  • کارهای پیشین (25)
    • مقدمه (25)
    • روش‌های در سطح نمونه (27)
      • روش‌های مبتنی بر جایگزینی (27)
      • روش‌های مبتنی بر گرادیان (33)
      • روش‌های مبتنی بر تعویض (35)
      • روش‌های مبتنی بر تجزیه (38)
    • روش‌های در سطح مدل (41)
      • XGNN (41)
    • جمع‌بندی روش‌های موجود (42)
  • روش پیشنهادی (43)
    • مقدمه (43)
    • راهکارهای مبتنی بر گراف (43)
    • جمع‌بندی (48)
  • نتایج (49)
    • مقدمه (49)
    • دادگان (49)
    • تنظیمات آزمایشات (51)
    • نتایج کمی (52)
    • نتایج کیفی (55)
    • مطالعات بیشتر (59)
  • نتیجه‌گیری (61)
    • مقدمه (61)
    • جمع‌بندی (61)
    • پیشنهاد برای کارهای آتی (63)
      • تحقیق در زمنیه بهبود الگوریتم‌ها (63)
      • گسترش به انواع داده‌های مختلف (63)
      • بررسی تعاملات مدل‌های چندگانه (64)
      • پیشنهادات برای بهبود تفسیرپذیری (64)
Loading...