
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
| Autor(es): dc.contributor | Ostbayerische Technische Hochschule Regensburg (OTH Regensburg) | - |
| Autor(es): dc.contributor | Universitätsklinikum Augsburg | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Regensburg Center of Health Sciences and Technology (RCHST) | - |
| Autor(es): dc.creator | de Souza, Luis A. | - |
| Autor(es): dc.creator | Mendel, Robert | - |
| Autor(es): dc.creator | Strasser, Sophia | - |
| Autor(es): dc.creator | Ebigbo, Alanna | - |
| Autor(es): dc.creator | Probst, Andreas | - |
| Autor(es): dc.creator | Messmann, Helmut | - |
| Autor(es): dc.creator | Papa, João P. | - |
| Autor(es): dc.creator | Palm, Christoph | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T16:50:25Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T16:50:25Z | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2021-08-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.compbiomed.2021.104578 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/233177 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/233177 | - |
| Descrição: dc.description | Even though artificial intelligence and machine learning have demonstrated remarkable performances in medical image computing, their level of accountability and transparency must be provided in such evaluations. The reliability related to machine learning predictions must be explained and interpreted, especially if diagnosis support is addressed. For this task, the black-box nature of deep learning techniques must be lightened up to transfer its promising results into clinical practice. Hence, we aim to investigate the use of explainable artificial intelligence techniques to quantitatively highlight discriminative regions during the classification of early-cancerous tissues in Barrett's esophagus-diagnosed patients. Four Convolutional Neural Network models (AlexNet, SqueezeNet, ResNet50, and VGG16) were analyzed using five different interpretation techniques (saliency, guided backpropagation, integrated gradients, input × gradients, and DeepLIFT) to compare their agreement with experts' previous annotations of cancerous tissue. We could show that saliency attributes match best with the manual experts' delineations. Moreover, there is moderate to high correlation between the sensitivity of a model and the human-and-computer agreement. The results also lightened that the higher the model's sensitivity, the stronger the correlation of human and computational segmentation agreement. We observed a relevant relation between computational learning and experts' insights, demonstrating how human knowledge may influence the correct computational learning. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Department of Computing São Carlos Federal University - UFSCar | - |
| Descrição: dc.description | Regensburg Medical Image Computing (ReMIC) Ostbayerische Technische Hochschule Regensburg (OTH Regensburg) | - |
| Descrição: dc.description | Medizinische Klinik III Universitätsklinikum Augsburg | - |
| Descrição: dc.description | Department of Computing São Paulo State University UNESP | - |
| Descrição: dc.description | Regensburg Center of Health Sciences and Technology (RCHST) | - |
| Descrição: dc.description | Department of Computing São Paulo State University UNESP | - |
| Descrição: dc.description | FAPESP: 2013/07375–0 | - |
| Descrição: dc.description | FAPESP: 2014/12236–1 | - |
| Descrição: dc.description | FAPESP: 2016/19403–6 | - |
| Descrição: dc.description | FAPESP: 2017/04847–9 | - |
| Descrição: dc.description | FAPESP: 2019/08605–5 | - |
| Descrição: dc.description | CNPq: 306166/2014–3 | - |
| Descrição: dc.description | CNPq: 307066/2017–7 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Computers in Biology and Medicine | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Adenocarcinoma | - |
| Palavras-chave: dc.subject | Barrett's esophagus | - |
| Palavras-chave: dc.subject | Computer-aided diagnosis | - |
| Palavras-chave: dc.subject | Explainable artificial intelligence | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Título: dc.title | Convolutional Neural Networks for the evaluation of cancer in Barrett's esophagus: Explainable AI to lighten up the black-box | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: