Závěrečná práce: Mgr. Matej Gallo: Explanaible AI in Digital Pathology
Disertační práce
Explanaible AI in Digital Pathology
Anotace
V predloženej dizertačnej práci sa venujeme dôležitým problémom pri použití umelej inteligencie v oblasti digitálnej patológie. Konkrétne sa zamieravame na problém dostupnosti dát, problém vyhodnotenia a interpretácie vysvetliteľných modelov a problém reprodukovateľnosti. V práci predstavujeme nový spôsob vyhodnotenia vysvetliteľných modelov, ktorý prepája znalosti patológov s detegovanými vzormi, …více
Abstract
This dissertation addresses critical challenges in applying artificial intelligence (AI) to digital pathology, specifically focusing on data availability, evaluation and interpretation of model explanations, and reproducibility, which are essential for advancing clinical and research applications. We introduce a novel evaluation framework that aligns AI-generated explanations to pathologists’ knowledge …více
13. 6. 2025 12:53, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
Přílohy
Komise_pro_obhajobu_disertacni_prace.pdf
Oponenti
Department Radiology & Nuclear Medicine, Erasmus MC
Charité – Universitätsmedizin Berlin
Konzultant
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Metody vysvětlitelnosti chování neuronových sítí
Mgr. Vojtěch Krajňanský -
Stability of explainability techniques for deep neural networks in digital pathology
Bc. Adam Oprchal -
Propagace konceptů v moderních neuronových sítích
Bc. Jiří Hofírek -
Virtual assistant
Mgr. Marek Mravík -
Tool for data pre-processing and iterative learning of neural networks
Ing. Kristián Malák -
Classification of Tissue Types in Whole Slide Images Using Pathology Foundation Models
Bc. Vojtěch Cífka -
Pathological Image Analysis Using Attention Based Deep Learning Methods
Ing. Petr Kantek, B.Sc. -
Detection of metastases in immunohistochemically stained lymphatic tissue using deep learning methods
Mgr. Miroslav Mažgut




