Buchumschlag

Clinicians' Voice: Fundamental Considerations for XAI in Healthcare

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Röber, T. E., Goedhart, R., Birbil, S. İ.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving understanding and trust in AI: How users benefit from interval-based counterfactual explanations
von: Röber, Tabea E., et al.
Veröffentlicht: (2026)

Fixing confirmation bias in feature attribution methods via semantic match
von: Cinà, Giovanni, et al.
Veröffentlicht: (2023)

Rule Generation for Classification: Scalability, Interpretability, and Fairness
von: Röber, Tabea E., et al.
Veröffentlicht: (2021)

Learning An Interpretable Risk Scoring System for Maximizing Decision Net Benefit
von: Chi, Wenhao, et al.
Veröffentlicht: (2026)

Generating Samples to Probe Trained Models
von: Kıral, Eren Mehmet, et al.
Veröffentlicht: (2025)

Considerations for Distribution Shift Robustness of Diagnostic Models in Healthcare
von: Blaas, Arno, et al.
Veröffentlicht: (2024)

Coherent Local Explanations for Mathematical Optimization
von: Otto, Daan, et al.
Veröffentlicht: (2025)

Machine Learning for K-adaptability in Two-stage Robust Optimization
von: Julien, Esther, et al.
Veröffentlicht: (2022)

The Role of Feature Interactions in Graph-based Tabular Deep Learning
von: Dubbeldam, Elias, et al.
Veröffentlicht: (2025)

Bolstering Stochastic Gradient Descent with Model Building
von: Birbil, S. Ilker, et al.
Veröffentlicht: (2021)

Constraint-Aware Refinement for Safety Verification of Neural Feedback Loops
von: Rober, Nicholas, et al.
Veröffentlicht: (2024)

Counterfactual Explanations for Linear Optimization
von: Kurtz, Jannis, et al.
Veröffentlicht: (2024)

Learning with Subset Stacking
von: Birbil, Ş. İlker, et al.
Veröffentlicht: (2021)

Scalable Bayesian Structure Learning for Gaussian Graphical Models Using Marginal Pseudo-likelihood
von: Mohammadi, Reza, et al.
Veröffentlicht: (2023)

How important are the genes to explain the outcome - the asymmetric Shapley value as an honest importance metric for high-dimensional features
von: van de Wiel, Mark A., et al.
Veröffentlicht: (2026)

Linear Model Extraction via Factual and Counterfactual Queries
von: Otto, Daan, et al.
Veröffentlicht: (2026)

Generative Artificial Intelligence in Healthcare: Ethical Considerations and Assessment Checklist
von: Ning, Yilin, et al.
Veröffentlicht: (2023)

Co-data Learning for Bayesian Additive Regression Trees
von: Goedhart, Jeroen M., et al.
Veröffentlicht: (2023)

Output-Constrained Decision Trees
von: Tunç, Hüseyin, et al.
Veröffentlicht: (2024)

Characterizing the contribution of dependent features in XAI methods
von: Salih, Ahmed, et al.
Veröffentlicht: (2023)

XAI4LLM. Let Machine Learning Models and LLMs Collaborate for Enhanced In-Context Learning in Healthcare
von: Nazary, Fatemeh, et al.
Veröffentlicht: (2024)

XAI for Early Crop Classification
von: Chan, Ayshah, et al.
Veröffentlicht: (2023)

XAI and Android Malware Models
von: Kulkarni, Maithili, et al.
Veröffentlicht: (2024)

Measuring User Understanding in Dialogue-based XAI Systems
von: Mindlin, Dimitry, et al.
Veröffentlicht: (2024)

Explainable AI (XAI) for Arrhythmia detection from electrocardiograms
von: Beck, Joschka, et al.
Veröffentlicht: (2025)

A Mechanistic Explanatory Strategy for XAI
von: Rabiza, Marcin
Veröffentlicht: (2024)

Automating Weak Label Generation for Data Programming with Clinicians in the Loop
von: Park, Jean, et al.
Veröffentlicht: (2024)

Behave-XAI: Deep Explainable Learning of Behavioral Representational Data
von: Kamal, Rossi
Veröffentlicht: (2022)

NormEnsembleXAI: Unveiling the Strengths and Weaknesses of XAI Ensemble Techniques
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2024)

On the Hardness of Computing Counterfactual and Semifactual Explanations in XAI
von: Artelt, André, et al.
Veröffentlicht: (2026)

Designing Interpretable ML System to Enhance Trust in Healthcare: A Systematic Review to Proposed Responsible Clinician-AI-Collaboration Framework
von: Nasarian, Elham, et al.
Veröffentlicht: (2023)

Enhancing XAI Narratives through Multi-Narrative Refinement and Knowledge Distillation
von: Giorgi, Flavio, et al.
Veröffentlicht: (2025)

Towards a general framework for improving the performance of classifiers using XAI methods
von: Apicella, Andrea, et al.
Veröffentlicht: (2024)

From XAI to MLOps: Explainable Concept Drift Detection with Profile Drift Detection
von: Dar, Ugur, et al.
Veröffentlicht: (2024)

XAI-Driven Machine Learning System for Driving Style Recognition and Personalized Recommendations
von: Sellal, Feriel Amel, et al.
Veröffentlicht: (2025)

Beyond single-model XAI: aggregating multi-model explanations for enhanced trustworthiness
von: Vascotto, Ilaria, et al.
Veröffentlicht: (2025)

Axe the X in XAI: A Plea for Understandable AI
von: Páez, Andrés
Veröffentlicht: (2024)

XAI-Units: Benchmarking Explainability Methods with Unit Tests
von: Lee, Jun Rui, et al.
Veröffentlicht: (2025)

XAI for Self-supervised Clustering of Wireless Spectrum Activity
von: Milosheski, Ljupcho, et al.
Veröffentlicht: (2023)

Fundamentals of Regression
von: Mendez, Miguel A.
Veröffentlicht: (2025)