MobiDev探索可解释AI的本质并分享结果

人工智能决策支持系统被用于一系列基于信息做出决策的行业。AI可解释性是AI功能的一部分，负责解释AI如何产生特定的输出。MobiDev专家使用可解释的AI进行医学图像处理和癌症筛查。

计算机视觉技术被积极用于医学图像的处理，例如计算机断层扫描(CT)，磁共振成像(MRI)和全玻片图像(WSI)。例如，人体组织的WSI可以达到21，500×21，500像素大小甚至更多。但是，由于WSI是一个非常大的图像，因此需要大量的时间，注意力和资格来分析。传统的计算机视觉方法也需要太多的计算资源来进行端到端处理。那么，可解释的人工智能如何在这里提供帮助呢?

在WSI分析方面，可解释的AI将充当扫描图像扇区并突出显示具有可疑细胞结构的感兴趣区域的支持系统。机器不会做出任何决定，但会加快这个过程，使医生的工作更容易。这是可能的，因为WSI在图像扫描方面更准确，更快，省略特定区域的机会更少。人工智能支持系统突出了癌细胞更有可能存在的高风险区域。这消除了对肾脏整个图像进行物理分析的需要，为医学专业知识和关注提供了提示。