亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization

可解释性 人工智能 计算机科学 机器学习 生成语法 反事实思维 破译 模式识别(心理学) 生物 遗传学 认识论 哲学
作者
Oded Rotem,Tamar Schwartz,Ron Maor,Y Tauber,Maya Tsarfati Shapiro,Marcos Meseguer,Daniella Gilboa,Daniel S. Seidman,Assaf Zaritsky
标识
DOI:10.1101/2023.11.15.566968
摘要

Abstract The success of deep learning in identifying complex patterns exceeding human intuition comes at the cost of interpretability. Non-linear entanglement of image features makes deep learning a “black box” lacking human meaningful explanations for the models’ decision. We present DISCOVER, a generative model designed to discover the underlying visual properties driving image-based classification models. DISCOVER learns disentangled latent representations, where each latent feature encodes a unique classification-driving visual property. This design enables “human-in-the-loop” interpretation by generating disentangled exaggerated counterfactual explanations. We apply DISCOVER to interpret classification of in-vitro fertilization embryo morphology quality. We quantitatively and systematically confirm the interpretation of known embryo properties, discover properties without previous explicit measurements, and quantitatively determine and empirically verify the classification decision of specific embryo instances. We show that DISCOVER provides human-interpretable understanding of “black-box” classification models, proposes hypotheses to decipher underlying biomedical mechanisms, and provides transparency for the classification of individual predictions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
猛犸颠勺完成签到,获得积分10
3秒前
慕青应助时生111采纳,获得10
4秒前
猛犸颠勺发布了新的文献求助10
9秒前
9秒前
时生111发布了新的文献求助10
13秒前
Kleen完成签到 ,获得积分10
19秒前
思源应助我要发Nture采纳,获得10
24秒前
27秒前
斯文的凝珍完成签到,获得积分10
30秒前
淡漠完成签到 ,获得积分10
32秒前
华仔应助忧虑的羊采纳,获得10
39秒前
冒险寻羊完成签到,获得积分10
39秒前
迷你的靖雁完成签到,获得积分10
43秒前
46秒前
47秒前
忧虑的羊发布了新的文献求助10
51秒前
小6s发布了新的文献求助10
51秒前
nuyoahmay完成签到 ,获得积分10
56秒前
gt完成签到 ,获得积分10
1分钟前
1分钟前
花心的小白菜完成签到 ,获得积分10
1分钟前
曾经笑白发布了新的文献求助10
1分钟前
1分钟前
Jess2147完成签到,获得积分10
1分钟前
Alanni完成签到 ,获得积分10
1分钟前
1分钟前
海鸥别叫了完成签到 ,获得积分10
1分钟前
斯文败类应助小6s采纳,获得10
1分钟前
害羞龙猫完成签到 ,获得积分10
1分钟前
科研通AI2S应助曾经笑白采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
8R60d8应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
慕青应助科研通管家采纳,获得10
1分钟前
8R60d8应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
8R60d8应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
1分钟前
高分求助中
歯科矯正学 第7版(或第5版) 1004
The late Devonian Standard Conodont Zonation 1000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
Zeitschrift für Orient-Archäologie 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3238748
求助须知:如何正确求助?哪些是违规求助? 2884128
关于积分的说明 8232600
捐赠科研通 2552232
什么是DOI,文献DOI怎么找? 1380540
科研通“疑难数据库(出版商)”最低求助积分说明 649037
邀请新用户注册赠送积分活动 624754