医学 AI

Quantifying Explanation Consistency: The C-Score Metric for CAM-Based Explainability in Medical Image Classification

量化解释一致性：基于CAM的医学图像分类可解释性中的C-Score指标

Kabilan Elangovan, Daniel Ting

专题命中 医学数据与评测 ：medical image(title)；pathology(abstract)；分类 cs.CV

AI总结 本文提出C-Score指标，用于评估基于CAM的医学图像分类解释一致性，通过强度强调的成对软IoU量化同一类内解释的可重复性，并在不同CNN架构上评估六种CAM技术的性能。

Federated learning, ethics, and the double black box problem in medical AI

联邦学习、伦理与医疗AI中的双重黑箱问题

Joshua Hatherley, Anders Søgaard, Angela Ballantyne, Ruben Pauwels

机构 * University of Copenhagen（哥本哈根大学） ； University of Otago（奥塔哥大学） ； Aarhus University（奥胡斯大学） 纠错

专题命中 医学数据与评测 ：medical AI(title)；healthcare AI(abstract)；分类 cs.LG

AI总结 本文探讨医疗联邦学习中的联邦不透明性，揭示其带来的双重黑箱问题，并指出其伦理挑战及需克服的关键问题。

Journal ref 2026. The American Journal of Bioethics, forthcoming

Impact of Label Noise from Large Language Models Generated Annotations on Evaluation of Diagnostic Model Performance

大型语言模型生成标注的标签噪声对诊断模型性能评估的影响

Mohammadreza Chavoshi, Hari Trivedi, Janice Newsome, Aawez Mansuri, Chiratidzo Rudado Sanyika, Rohan Satya Isaac, Frank Li, Theo Dapamede, Judy Gichoya

专题命中 医学数据与评测 ：clinical AI(abstract)；radiology(abstract)

AI总结 本文研究了大型语言模型生成的标签噪声对诊断模型性能评估的影响，通过模拟框架分析了标签误差对模型表现的敏感性，并指出在不同疾病患病率下，标签质量对性能估计的系统性偏差。