Explainable AI for Transparent and Trustworthy Medical Decision Support
-
- Taschenbuch
- eBook ausgewählt
-
Form:Einzelkauf Download
-
Sprache:Englisch
166,99 €
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
ePUB 3
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Ja
Erscheinungsdatum
01.09.2026
Herausgeber
Abhishek Kumar + weitereVerlag
Elsevier Science & Techn.Seitenzahl
300 (Printausgabe)
Dateigröße
31990 KB
Sprache
Englisch
EAN
9780443456985
Explainable AI for Transparent and Trustworthy Medical Decision Support equips readers with a comprehensive and timely resource that presents the principles, methodologies, and real-world applications of explainable AI (XAI) within the medical context. Covering a wide range of use cases-from radiology and pathology to genomics and clinical decision support systems-the book provides in-depth discussions on how XAI techniques can enhance interpretability, improve clinician trust, meet regulatory requirements, and ultimately lead to better patient outcomes. The book demystifies the workings of machine learning models and highlights techniques that make them interpretable.It is designed to empower not only AI researchers and developers but also healthcare administrators and policymakers with the knowledge needed to evaluate, adopt, and trust AI solutions in critical medical applications. The book's authors bring together theory, implementation strategies, ethical implications, and case studies under one cover, offering a multidisciplinary perspective that aligns computer science with medical practice and healthcare policy.
- Presents detailed coverage of XAI methods such as SHAP, LIME, and Grad-CAM applied to medical data
- Provides numerous case studies in diagnostics, ICU prediction, and radiology using explainable models
- Includes discussions on ethics, bias, and regulatory frameworks such as GDPR and HIPAA
- Presents detailed coverage of XAI methods such as SHAP, LIME, and Grad-CAM applied to medical data
- Provides numerous case studies in diagnostics, ICU prediction, and radiology using explainable models
- Includes discussions on ethics, bias, and regulatory frameworks such as GDPR and HIPAA
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice