Перейти к основному содержанию
Библиотечно-издательский комплекс СФУ
Toggle navigation
Ресурсы
Библиотечный поиск
Каталог изданий университета
Университетские информационные ресурсы
Российские информационные ресурсы
Мировые информационные ресурсы
Периодические издания
Тематические путеводители
Книгообеспеченность учебного процесса
Приобретение литературы
Читателю
Регистрация читателей
Получение и возврат литературы
Межбиблиотечный абонемент
Тематические путеводители
Обучение работе с ресурсами
Доступная среда библиотеки
Детская развивающая площадка
Подарить книгу библиотеке
Автору
Правила издания рукописей
План выпуска изданий
Размещение публикаций в библиотеке, репозитории, РИНЦ
Проверка
журнала
Служба поддержки публикационной
активности
Учёт публикаций в АИС
«Прометей»
Услуги
Справочник услуг и сервисов БИК
Новая заявка на услугу
Бронирование помещений
Контакты
Адреса и режим работы
Контакты
Вопрос-Ответ
Отправить отзыв
Ещё
О Научной библиотеке
Об Издательстве
Дилерство «САБ ИРБИС»
Красноярский ИРБИС-клуб
Литературный клуб «Высокий берег»
Подкаст «Пища для ума»
Вакансии
Часто задаваемые вопросы
Мобильное приложение
Карта сайта и поиск по сайту
Онлайн-медиа Научной библиотеки
Личный кабинет
Главная
Ресурсы
Библиотечный поиск
Unbox the black-box
for the medical
explainable AI via
multi-modal and
multi-centre data
fusion: A
mini-review, two
showcases and beyond
Guang Yang
Qinghao Ye
Jun Xia
2021 год
Unbox the black-box for the medical explainable AI via multi-modal and multi-centre data fusion: A mini-review, two showcases and beyond
статья из журнала
Страница публикации
Публикация в OpenAlex
Аннотация:
Explainable Artificial Intelligence (XAI) is an emerging research topic of machine learning aimed at
Год издания:
2021
Авторы:
Guang Yang
,
Qinghao Ye
,
Jun Xia
Издательство:
Elsevier BV
Источник:
Information Fusion
Ключевые слова:
AI in cancer detection, Machine Learning in Healthcare, Artificial Intelligence in Healthcare and Education
Другие ссылки:
Information Fusion
(HTML)
PubMed Central
(HTML)
PubMed
(HTML)
Показать дополнительные сведения
DOI:
https://doi.org/10.1016/j.inffus.2021.07.016
Открытый доступ:
hybrid
Том:
77
Страницы:
29–52