Buchumschlag

FPN-IAIA-BL: A Multi-Scale Interpretable Deep Learning Model for Classification of Mass Margins in Digital Mammography

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Julia, Barnett, Alina Jade, Donnelly, Jon, Kishore, Satvik, Fang, Jerry, Schwartz, Fides Regina, Chen, Chaofan, Lo, Joseph Y., Rudin, Cynthia
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deformable ProtoPNet: An Interpretable Image Classifier Using Deformable Prototypes
von: Donnelly, Jon, et al.
Veröffentlicht: (2021)

Rashomon Sets for Prototypical-Part Networks: Editing Interpretable Models in Real-Time
von: Donnelly, Jon, et al.
Veröffentlicht: (2025)

Interpretable Image Classification with Adaptive Prototype-based Vision Transformers
von: Ma, Chiyu, et al.
Veröffentlicht: (2024)

It's LIT! Reliability-Optimized LLMs with Inspectable Tools
von: Zhang, Ruixin, et al.
Veröffentlicht: (2025)

This Looks Better than That: Better Interpretable Models with ProtoPNeXt
von: Willard, Frank, et al.
Veröffentlicht: (2024)

Interpretable Generalized Additive Models for Datasets with Missing Values
von: McTavish, Hayden, et al.
Veröffentlicht: (2024)

This EEG Looks Like These EEGs: Interpretable Interictal Epileptiform Discharge Detection With ProtoEEG-kNN
von: Tang, Dennis, et al.
Veröffentlicht: (2025)

What You See is (Usually) What You Get: Multimodal Prototype Networks that Abstain from Expensive Modalities
von: Bahng, Muchang, et al.
Veröffentlicht: (2025)

Doctor Rashomon and the UNIVERSE of Madness: Variable Importance with Unobserved Confounding and the Rashomon Effect
von: Donnelly, Jon, et al.
Veröffentlicht: (2025)

How Your Location Relates to Health: Variable Importance and Interpretable Machine Learning for Environmental and Sociodemographic Data
von: Maitra, Ishaan, et al.
Veröffentlicht: (2025)

The Rashomon Importance Distribution: Getting RID of Unstable, Single Model-based Variable Importance
von: Donnelly, Jon, et al.
Veröffentlicht: (2023)

Leveraging Predictive Equivalence in Decision Trees
von: McTavish, Hayden, et al.
Veröffentlicht: (2025)

Re‐Imagining the Collection Through Medical Imaging: Collaboration Between Radiology and the Museum
von: Julia K. McHugh, et al.
Veröffentlicht: (2025)

Models That Are Interpretable But Not Transparent
von: Zhong, Chudi, et al.
Veröffentlicht: (2025)

Leo Breiman, the Rashomon Effect, and the Occam Dilemma
von: Rudin, Cynthia
Veröffentlicht: (2025)

Improving Clinician Performance in Classification of EEG Patterns on the Ictal-Interictal-Injury Continuum using Interpretable Machine Learning
von: Barnett, Alina Jade, et al.
Veröffentlicht: (2022)

NodMAISI: Nodule-Oriented Medical AI for Synthetic Imaging
von: Tushar, Fakrul Islam, et al.
Veröffentlicht: (2025)

An Interpretable Lesion‐Aware Diagnostic Model for Full‐Field Mammography Classification
von: Jie Xu, et al.
Veröffentlicht: (2025)

Interpretable Causal Inference for Analyzing Wearable, Sensor, and Distributional Data
von: Katta, Srikar, et al.
Veröffentlicht: (2023)

Logic Sketch Prompting (LSP): A Deterministic and Interpretable Prompting Method
von: Tripathi, Satvik
Veröffentlicht: (2025)

HS-FPN: High Frequency and Spatial Perception FPN for Tiny Object Detection
von: Shi, Zican, et al.
Veröffentlicht: (2024)

Challenges in Mechanistically Interpreting Model Representations
von: Golechha, Satvik, et al.
Veröffentlicht: (2024)

The meaning of environmental security : ecological politics and policy in the new security era / Jon Barnett
von: Barnett, Jon

Rainfall Erosivity Estimators for Application in Burundi
von: Fides Gakunde, et al.
Veröffentlicht: (2025)

Fast and Interpretable Mortality Risk Scores for Critical Care Patients
von: Zhu, Chloe Qinyu, et al.
Veröffentlicht: (2023)

CT-IDP: Segmentation-Derived Quantitative Phenotypes for Interpretable Abdominal CT Disease Classification
von: Dahal, Lavsen, et al.
Veröffentlicht: (2026)

Features Fusion for Dual-View Mammography Mass Detection
von: Varlamova, Arina, et al.
Veröffentlicht: (2024)

Mammographies
von: DeShazer, Mary K.
Veröffentlicht: (2018)

Mammographies
von: DeShazer, Mary K.
Veröffentlicht: (2021)

Amazing Things Come From Having Many Good Models
von: Rudin, Cynthia, et al.
Veröffentlicht: (2024)

Classification of Mammography Images Based on Multifractal Analysis of BIMFs
von: Fatima Ghazi, et al.
Veröffentlicht: (2025)

Resolving Predictive Multiplicity for the Rashomon Set
von: Haghighat, Parian, et al.
Veröffentlicht: (2026)

"What is Different Between These Datasets?" A Framework for Explaining Data Distribution Shifts
von: Babbar, Varun, et al.
Veröffentlicht: (2024)

Navigating the Effect of Parametrization for Dimensionality Reduction
von: Huang, Haiyang, et al.
Veröffentlicht: (2024)

Improving Decision Sparsity
von: Sun, Yiyang, et al.
Veröffentlicht: (2024)

FastSurvival: Hidden Computational Blessings in Training Cox Proportional Hazards Models
von: Liu, Jiachang, et al.
Veröffentlicht: (2024)

Training Neural Networks for Modularity aids Interpretability
von: Golechha, Satvik, et al.
Veröffentlicht: (2024)

AutoSchA: Automatic Hierarchical Music Representations via Multi-Relational Node Isolation
von: Ni-Hahn, Stephen, et al.
Veröffentlicht: (2025)

Multi-modal Deepfake Detection and Localization with FPN-Transformer
von: Zheng, Chende, et al.
Veröffentlicht: (2025)

REALITrees: Rashomon Ensemble Active Learning for Interpretable Trees
von: Nguyen, Simon D., et al.
Veröffentlicht: (2026)