Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей
Artificial intelligence (AI) has become deeply integrated into numerous scientific fields, including biomedical image and signal processing. The growing interest in this field has led to a surge in research, as evidenced by the sharp increase in scientific activity. Using large and diverse biomedica...
Gespeichert in:
| Datum: | 2026 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Vinnytsia National Technical University
2026
|
| Schlagworte: | |
| Online Zugang: | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/814 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Optoelectronic Information-Power Technologies |
Institution
Optoelectronic Information-Power Technologies| _version_ | 1856543909505662976 |
|---|---|
| author | Пилипець, Ю.О. Ярославський, Я.І. Волосович, О.С. |
| author_facet | Пилипець, Ю.О. Ярославський, Я.І. Волосович, О.С. |
| author_sort | Пилипець, Ю.О. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2026-01-12T10:58:28Z |
| description | Artificial intelligence (AI) has become deeply integrated into numerous scientific fields, including biomedical image and signal processing. The growing interest in this field has led to a surge in research, as evidenced by the sharp increase in scientific activity. Using large and diverse biomedical datasets, machine learning and deep learning models have transformed a variety of tasks - such as modeling, segmentation, registration, classification, and synthesis - often outperforming traditional methods.
However, a major challenge remains: the difficulty of translating AI-derived results into clinically or biologically meaningful solutions, which limits the practical utility of these models. Explainable AI (XAI) seeks to bridge this gap by improving the interpretability of AI systems and offering transparent explanations for their decisions. More and more approaches are being developed to address this problem, and interest in the topic in the scientific community continues to grow. |
| first_indexed | 2026-02-08T08:10:43Z |
| format | Article |
| id | oai:oeipt.vntu.edu.ua:article-814 |
| institution | Optoelectronic Information-Power Technologies |
| language | Ukrainian |
| last_indexed | 2026-02-08T08:10:43Z |
| publishDate | 2026 |
| publisher | Vinnytsia National Technical University |
| record_format | ojs |
| spelling | oai:oeipt.vntu.edu.ua:article-8142026-01-12T10:58:28Z Features of using EXPLAINABLE AI in biomedical image processing: transparency and interpretability of models Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей Пилипець, Ю.О. Ярославський, Я.І. Волосович, О.С. Artificial Intelligence (AI) Explanatory AI (XAI) biomedical image processing biomedical signal processing deep learning machine learning interpretability model transparency clinical decision support segmentation classification data-driven models Штучний інтелект (ШІ) пояснювальний ШІ (XAI) біомедична обробка зображень біомедична обробка сигналів глибоке навчання машинне навчання інтерпретованість прозорість моделі підтримка прийняття клінічних рішень сегментація класифікація моделі на основі даних Artificial intelligence (AI) has become deeply integrated into numerous scientific fields, including biomedical image and signal processing. The growing interest in this field has led to a surge in research, as evidenced by the sharp increase in scientific activity. Using large and diverse biomedical datasets, machine learning and deep learning models have transformed a variety of tasks - such as modeling, segmentation, registration, classification, and synthesis - often outperforming traditional methods. However, a major challenge remains: the difficulty of translating AI-derived results into clinically or biologically meaningful solutions, which limits the practical utility of these models. Explainable AI (XAI) seeks to bridge this gap by improving the interpretability of AI systems and offering transparent explanations for their decisions. More and more approaches are being developed to address this problem, and interest in the topic in the scientific community continues to grow. Штучний інтелект (ШІ) глибоко інтегрувався в численні наукові галузі, включаючи біомедичну обробку зображень і сигналів. Зростаючий інтерес до цієї галузі призвів до сплеску досліджень, про що свідчить різке зростання наукової активності. Використовуючи великі і різноманітні набори біомедичних даних, моделі машинного навчання і глибокого навчання трансформували різноманітні завдання - такі як моделювання, сегментація, реєстрація, класифікація і синтез - часто перевершуючи ефективність традиційних методів. Тим не менш, основна проблема залишається: складність перекладу результатів, отриманих за допомогою ШІ, в клінічно або біологічно значущі рішення, що обмежує практичну корисність цих моделей. Пояснюваний ШІ (Explainable AI, XAI) прагне подолати цю прогалину, покращуючи інтерпретованість систем ШІ та пропонуючи прозорі пояснення їхніх рішень. Для вирішення цієї проблеми розробляється все більше підходів, і інтерес до цієї теми в науковому співтоваристві продовжує зростати. Vinnytsia National Technical University 2026-01-12 Article Article application/pdf https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/814 10.31649/1681-7893-2025-50-2-210-214 Optoelectronic Information-Power Technologies; Vol. 50 No. 2 (2025); 210-214 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 50 № 2 (2025); 210-214 Оптико-електроннi iнформацiйно-енергетичнi технологiї; Том 50 № 2 (2025); 210-214 2311-2662 1681-7893 10.31649/1681-7893-2025-50-2 uk https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/814/743 |
| spellingShingle | Штучний інтелект (ШІ) пояснювальний ШІ (XAI) біомедична обробка зображень біомедична обробка сигналів глибоке навчання машинне навчання інтерпретованість прозорість моделі підтримка прийняття клінічних рішень сегментація класифікація моделі на основі даних Пилипець, Ю.О. Ярославський, Я.І. Волосович, О.С. Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title | Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title_alt | Features of using EXPLAINABLE AI in biomedical image processing: transparency and interpretability of models |
| title_full | Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title_fullStr | Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title_full_unstemmed | Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title_short | Особливості використання EXPLAINABLE AI у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| title_sort | особливості використання explainable ai у біомедичній обробці зображень: прозорість та інтерпретованість моделей |
| topic | Штучний інтелект (ШІ) пояснювальний ШІ (XAI) біомедична обробка зображень біомедична обробка сигналів глибоке навчання машинне навчання інтерпретованість прозорість моделі підтримка прийняття клінічних рішень сегментація класифікація моделі на основі даних |
| topic_facet | Artificial Intelligence (AI) Explanatory AI (XAI) biomedical image processing biomedical signal processing deep learning machine learning interpretability model transparency clinical decision support segmentation classification data-driven models Штучний інтелект (ШІ) пояснювальний ШІ (XAI) біомедична обробка зображень біомедична обробка сигналів глибоке навчання машинне навчання інтерпретованість прозорість моделі підтримка прийняття клінічних рішень сегментація класифікація моделі на основі даних |
| url | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/814 |
| work_keys_str_mv | AT pilipecʹûo featuresofusingexplainableaiinbiomedicalimageprocessingtransparencyandinterpretabilityofmodels AT âroslavsʹkijâí featuresofusingexplainableaiinbiomedicalimageprocessingtransparencyandinterpretabilityofmodels AT volosovičos featuresofusingexplainableaiinbiomedicalimageprocessingtransparencyandinterpretabilityofmodels AT pilipecʹûo osoblivostívikoristannâexplainableaiubíomedičníjobrobcízobraženʹprozorístʹtaínterpretovanístʹmodelej AT âroslavsʹkijâí osoblivostívikoristannâexplainableaiubíomedičníjobrobcízobraženʹprozorístʹtaínterpretovanístʹmodelej AT volosovičos osoblivostívikoristannâexplainableaiubíomedičníjobrobcízobraženʹprozorístʹtaínterpretovanístʹmodelej |