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 Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | University of Bologna | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.creator | Rozendo, Guilherme Botazzo | - |
Autor(es): dc.creator | Garcia, Bianca Lançoni de Oliveira | - |
Autor(es): dc.creator | Borgue, Vinicius Augusto Toreli | - |
Autor(es): dc.creator | Lumini, Alessandra | - |
Autor(es): dc.creator | Tosta, Thaína Aparecida Azevedo | - |
Autor(es): dc.creator | Nascimento, Marcelo Zanchetta do | - |
Autor(es): dc.creator | Neves, Leandro Alves | - |
Data de aceite: dc.date.accessioned | 2025-08-21T23:44:01Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T23:44:01Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/app14188125 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/303070 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/303070 | - |
Descrição: dc.description | Generative adversarial networks (GANs) create images by pitting a generator (G) against a discriminator (D) network, aiming to find a balance between the networks. However, achieving this balance is difficult because G is trained based on just one value representing D’s prediction, and only D can access image features. We introduce a novel approach for training GANs using explainable artificial intelligence (XAI) to enhance the quality and diversity of generated images in histopathological datasets. We leverage XAI to extract feature information from D and incorporate it into G via the loss function, a unique strategy not previously explored in this context. We demonstrate that this approach enriches the training with relevant information and promotes improved quality and more variability in the artificial images, decreasing the FID by up to 32.7% compared to traditional methods. In the data augmentation task, these images improve the classification accuracy of Transformer models by up to 3.81% compared to models without data augmentation and up to 3.01% compared to traditional GAN data augmentation. The Saliency method provides G with the most informative feature information. Overall, our work highlights the potential of XAI for enhancing GAN training and suggests avenues for further exploration in this field. | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, SP | - |
Descrição: dc.description | Department of Computer Science and Engineering (DISI) University of Bologna, Via dell’ Università, 50 | - |
Descrição: dc.description | Science and Technology Institute Federal University of São Paulo (UNIFESP), Avenida Cesare Mansueto Giulio Lattes, 1201, SP | - |
Descrição: dc.description | Faculty of Computer Science (FACOM) Federal University of Uberlândia (UFU), Avenida João Naves de Ávila, 2121, Bl.BMG | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), Rua Cristóvão Colombo, 2265, SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Applied Sciences (Switzerland) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | data augmentation | - |
Palavras-chave: dc.subject | explainable artificial intelligence | - |
Palavras-chave: dc.subject | GAN training | - |
Palavras-chave: dc.subject | generative adversarial networks | - |
Palavras-chave: dc.subject | histopathological classification | - |
Palavras-chave: dc.subject | vision transformers | - |
Título: dc.title | Data Augmentation in Histopathological Classification: An Analysis Exploring GANs with XAI and Vision Transformers | - |
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: