Buchumschlag

Enhancing Psychologists' Understanding through Explainable Deep Learning Framework for ADHD Diagnosis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rehman, Abdul, Heldal, Ilona, Lin, Jerry Chun-Wei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spatiotemporal EEG-Based Emotion Recognition Using SAM Ratings from Serious Games with Hybrid Deep Learning
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

SSRepL-ADHD: Adaptive Complex Representation Learning Framework for ADHD Detection from Visual Attention Tasks
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

Privacy Preservation and Identity Tracing Prevention in AI-Driven Eye Tracking for Interactive Learning Environments
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

VisiTrail: A Cognitive Visualization Tool for Time-Series Analysis of Eye Tracking Data from Attention Game
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

An Explainable Machine Learning Framework for the Accurate Diagnosis of Ovarian Cancer
von: Newaz, Asif, et al.
Veröffentlicht: (2023)

Explainable Machine Learning Framework for Cardiovascular Disease Diagnosis and Prognosis
von: Sourov, Md. Emon Akter, et al.
Veröffentlicht: (2025)

Towards a Supporting Framework for Neuro-Developmental Disorder: Considering Artificial Intelligence, Serious Games and Eye Tracking
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

Explainable Diagnosis Prediction through Neuro-Symbolic Integration
von: Lu, Qiuhao, et al.
Veröffentlicht: (2024)

AI-Driven Clinical Decision Support System for Enhanced Diabetes Diagnosis and Management
von: Rehman, Mujeeb Ur, et al.
Veröffentlicht: (2026)

Toward Reliable Tea Leaf Disease Diagnosis Using Deep Learning Model: Enhancing Robustness With Explainable AI and Adversarial Training
von: Ghosh, Samanta, et al.
Veröffentlicht: (2026)

LiteInception: A Lightweight and Interpretable Deep Learning Framework for General Aviation Fault Diagnosis
von: Wei, Zhihuan, et al.
Veröffentlicht: (2026)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
von: Atzmueller, Martin, et al.
Veröffentlicht: (2024)

From Attribution Maps to Human-Understandable Explanations through Concept Relevance Propagation
von: Achtibat, Reduan, et al.
Veröffentlicht: (2022)

An Explainable Ensemble Learning Framework for Crop Classification with Optimized Feature Pyramids and Deep Networks
von: Masud, Syed Rayhan, et al.
Veröffentlicht: (2026)

Enhancing Stroke Diagnosis in the Brain Using a Weighted Deep Learning Approach
von: Zhiwan, Yao, et al.
Veröffentlicht: (2025)

Towards Understanding the Optimization Mechanisms in Deep Learning
von: Qi, Binchuan, et al.
Veröffentlicht: (2025)

A Survey on Explainable Deep Reinforcement Learning
von: Cheng, Zelei, et al.
Veröffentlicht: (2025)

An Adaptive Scoring Framework for Attention Assessment in NDD Children via Serious Games
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

An Explainable Deep Learning-Based Method For Schizophrenia Diagnosis Using Generative Data-Augmentation
von: Saadatinia, Mehrshad, et al.
Veröffentlicht: (2023)

Personalized Inhibition Training with Eye-Tracking: Enhancing Student Learning and Teacher Assessment in Educational Games
von: Rehman, Abdul, et al.
Veröffentlicht: (2025)

An Enhanced Privacy-preserving Federated Few-shot Learning Framework for Respiratory Disease Diagnosis
von: Wang, Ming, et al.
Veröffentlicht: (2025)

Can Multitask Learning Enhance Model Explainability?
von: Najjar, Hiba, et al.
Veröffentlicht: (2025)

F-Fidelity: A Robust Framework for Faithfulness Evaluation of Explainable AI
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Graph Attention Networks Unleashed: A Fast and Explainable Vulnerability Assessment Framework for Microgrids
von: Liu, Wei, et al.
Veröffentlicht: (2025)

CARLE: A Hybrid Deep-Shallow Learning Framework for Robust and Explainable RUL Estimation of Rolling Element Bearings
von: Razzaq, Waleed, et al.
Veröffentlicht: (2025)

Using Part-based Representations for Explainable Deep Reinforcement Learning
von: Kirtas, Manos, et al.
Veröffentlicht: (2024)

Feature Purified Transformer With Cross-level Feature Guiding Decoder For Multi-class OOD and Anomaly Deteciton
von: Lin, Jerry Chun-Wei, et al.
Veröffentlicht: (2024)

Physics-Enhanced Deep Learning for Proactive Thermal Runaway Forecasting in Li-Ion Batteries
von: Khan, Salman, et al.
Veröffentlicht: (2026)

Understanding and Diagnosing Deep Reinforcement Learning
von: Korkmaz, Ezgi
Veröffentlicht: (2024)

Towards Explainable Deep Learning for Ship Trajectory Prediction in Inland Waterways
von: Legel, Tom, et al.
Veröffentlicht: (2026)

Combining Deep Learning and Explainable AI for Toxicity Prediction of Chemical Compounds
von: Popescu, Eduard, et al.
Veröffentlicht: (2025)

DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis
von: Zhang, Zeyu, et al.
Veröffentlicht: (2024)

Improving Cancer Imaging Diagnosis with Bayesian Networks and Deep Learning: A Bayesian Deep Learning Approach
von: Xi, Pei, et al.
Veröffentlicht: (2024)

Enhancing Explainability and Reliable Decision-Making in Particle Swarm Optimization through Communication Topologies
von: Gupta, Nitin, et al.
Veröffentlicht: (2025)

Efficient Handwriting-Based Alzheimer,s Disease Diagnosis Using a Low-Rank Mixture of Experts Deep Learning Framework
von: Wang, Wu, et al.
Veröffentlicht: (2026)

Learning to better see the unseen: Broad-Deep Mixed Anti-Forgetting Framework for Incremental Zero-Shot Fault Diagnosis
von: Zhao, Jiancheng, et al.
Veröffentlicht: (2024)

Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics
von: Munoz, Cristian, et al.
Veröffentlicht: (2023)

Atherosclerosis through Hierarchical Explainable Neural Network Analysis
von: Adam, Irsyad, et al.
Veröffentlicht: (2025)

Explainable Hierarchical Deep Learning Neural Networks (Ex-HiDeNN)
von: Batley, Reza T., et al.
Veröffentlicht: (2025)

GRACE: A Language Model Framework for Explainable Inverse Reinforcement Learning
von: Sapora, Silvia, et al.
Veröffentlicht: (2025)