透过语法进化和数据增强实现可解释的乳腺癌诊断方案
原文中文，约400字，阅读约需1分钟。发表于：。医学影像诊断日益依赖机器学习模型，然而严重不平衡的数据集和有限的可解释性一直是困扰。本文通过展示一种相对新的合成数据生成技术 STEM，演示了如何使用它来训练由语法进化（GE）产生的具有内在可解释性的模型。我们在两个数据集上进行了测试，并将结果与一组八个标准机器学习分类器的前三个表现最好的分类器的 AUC 进行了比较，结果表明 GE 衍生的模型在保持可解释性的同时具有最佳的 AUC。
医学影像诊断越来越依赖机器学习模型，但数据不平衡和可解释性是问题。研究使用合成数据生成技术STEM训练具有可解释性的模型，结果显示GE衍生的模型在两个数据集上具有最佳AUC。
