《表1 2016—2020年会议论文统计》
单位:篇
基于深度学习的医学影像处理技术取得了巨大进展,与此同时,引发人们对深度学习可解释性的思考与研究。笔者调研了2016—2020年发表在机器学习与人工智能(artifical intelligence,AI)相关会议(CVPR,ICML,NIPS,AAAI,ICCV,IJCAI)以及国际顶级医学影像学术会议MICCAI上的关于深度学习可解释性以及医学影像处理的深度学习可解释性的研究论文,对题目中包含关键词explain,interpretable,understanding的相关论文做了统计分析,结果如表1所示。
图表编号 | XD00199986500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 陈园琼、邹北骥、张美华、廖望旻、黄嘉儿、朱承璋 |
绘制单位 | 中南大学计算机学院、吉首大学软件学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、吉首大学软件学院、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学计算机学院、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、“移动医疗”教育部-中国移动联合实验室、机器视觉与智慧医疗工程技术中心、中南大学文学与新闻传播学院 |
更多格式 | 高清、无水印(增值服务) |