.png){kind=icon}
返回
ProtoKDM: An interpretable prototype-based framework for biomedical time-series analysis
.png){kind=icon}
OA
AI
DOI：10.1016/j.bspc.2026.109473.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• ProtoKDM使用密度感知原型来解释生物医学时间序列。
• 分叉自编码器在潜在表示中增强了类别分离。
• 核密度矩阵实现了基于临床的原型选择。
• UMAP可视化支持全局可解释性。
• 信号级比较增强了透明度和决策支持。
Keyword:
Explainable AI
Prototype learning
Latent-space representations
Biomedical signals
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.9
论文数:
9.9K
被引数:
2.4W
机构
引用论文
Explaining the unique nature of individual gait patterns with deep learning.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Time–Frequency Transformations for Enhanced Biomedical Signal Classification with Convolutional Neural NetworksLekkas, G.; Vrochidou, E.; Papakostas, G.A. 基于 卷积神经网络 的增强型生物医学信号分类的时间-频率变换. BioMedInformatics 2025, 5, 7. [Google Scholar] [CrossRef]
PREAI
分享收藏Interpretable machine learning: Fundamental principles and 10 grand challenges可解释的机器学习: 基本原则和十大挑战STATISTICS SURVEYS
OAAI
STATISTICS SURVEYSIF15.4
OAAI分享收藏Interpretable and Steerable Sequence Learning via PrototypesProceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏Explainable AI for Time Series Classification: A Review, Taxonomy and Research Directions用于时间序列分类的可解释AI: 回顾，分类和研究方向IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Explainable Artificial Intelligence and Wearable Sensor-Based Gait Analysis to Identify Patients with Osteopenia and Sarcopenia in Daily LifeBiosensorsOAAI
BiosensorsIF0
OAAI分享收藏
查看更多内容