ترجمه فارسی مقاله رونمایی از AI-ECG با استفاده از فریمورک Generative Counterfactual XAI

چکیده

Background The application of artificial intelligence (AI) to electrocardiograms (ECGs) has shown great promise in the screening and diagnosis of cardiovascular diseases, often matching or surpassing human expertise. However, the “black-box” nature of deep learning models poses significant challenges to their clinical adoption. While Explainable AI (XAI) techniques, such as Saliency Maps, have attempted to address these issues, they have not been able to provide clear, clinically relevant explanations. We developed the Generative Counterfactual ECG XAI (GCX) framework, which uses counterfactual scenarios to explain AI predictions, enhancing interpretability and aligning with medical knowledge.

چکیده به فارسی (ترجمه ماشینی)

پیشینه کاربرد هوش مصنوعی (AI) در الکتروکاردیوگرام (ECG) نوید خوبی را در غربالگری و تشخیص بیماری های قلبی عروقی نشان داده است ، که اغلب تطبیق یا فراتر از تخصص انسان است.با این حال ، ماهیت “جعبه سیاه” مدلهای یادگیری عمیق چالش های مهمی را برای پذیرش بالینی آنها ایجاد می کند.در حالی که تکنیک های قابل توضیح AI (XAI) ، مانند نقشه های شوری ، سعی در رسیدگی به این مسائل کرده اند ، آنها نتوانسته اند توضیحات واضح و بالینی مرتبط را ارائه دهند.ما چارچوب تولیدی ضد اکتشافی ECG XAI (GCX) را تهیه کردیم ، که از سناریوهای ضد خلاف برای توضیح پیش بینی های هوش مصنوعی ، تقویت تفسیر و تراز کردن با دانش پزشکی استفاده می کند.