Explainable Artificial Intelligence, XAI, Explainable Machine Learning, Interpretable Machine Learning, Explainability, Interpretability, Neural Network Sparsity, Explainable Deep Learning in Medical Imaging, Medical Image Analysis
TUM classification:
MED 230; DAT 760
Abstract:
Feature attribution is arguably the predominant approach for illuminating black-box neural networks. This dissertation rethinks feature attribution by leveraging critical neural pathways, identifying input features with predictive information, and evaluating feature attribution using the neural network model. The dissertation also rethinks feature attribution for the explanation of medical imaging models.
Translated abstract:
Die Feature-Attribution ist zweifellos der dominierende Ansatz, um Black-Box Neuronale Netze zu beleuchten. In dieser Dissertation wird die Feature-Attribution neu überdacht, indem kritische neuronale Verbindungen genutzt, Input-Features mit prädiktiven Informationen identifiziert und die Feature-Attribution mit Hilfe des neuronalen Netzwerkmodells evaluiert werden. In der Dissertation wird auch die Feature-Attribution für die Erklärung von medizinischen Bildgebungsmodellen neu überdacht.