Explainability based on feature importance for better comprehension of machine learning in healthcare
Das PP, Wiese L, ELISE Study Group
Forschungsartikel in Sammelband (Konferenz) | Peer reviewedDetails zur Publikation
Herausgeber*innen: Abelló A, Vassiliadis P, Romero O, Wrembel R, Bugiotti F, Gamper J, Vargas Solar G, Zumpano E
Buchtitel: New Trends in Database and Information Systems
Seitenbereich: 324-335
Verlag: Springer
Erscheinungsort: Cham
Status: Veröffentlicht
Veröffentlichungsjahr: 2023
Konferenz: EXEC-MAN (EXplainable hEalthCare data Management and ANalytics), Barcelona, Spanien
Link zum Volltext: https://link.springer.com/chapter/10.1007/978-3-031-42941-5_28
Stichwörter: Explainability; AI
Autor*innen der Universität Münster
| Böhnke, Julia | Institut für Epidemiologie und Sozialmedizin |
| Karch, André | Institut für Epidemiologie und Sozialmedizin |
| Rübsamen, Nicole | Institut für Epidemiologie und Sozialmedizin |
Projekte, aus denen die Publikation entstanden ist
Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin (ELISE) Laufzeit: 01.10.2020 - 30.09.2023 Gefördert durch: Bundesministerium für Gesundheit Art des Projekts: Beteiligung an einem bundesgeförderten Verbund |