Шаповал, Наталія ВіталіївнаРачинська, Лідія Анатоліївна2025-09-162025-09-162025Рачинська, Л. А. Методи пояснювального штучного інтелекту при аналізі медичних зображень : дипломна робота … бакалавра : 122 Комп'ютерні науки / Рачинська Лідія Анатоліївна. – Київ, 2025. – 109 с.https://ela.kpi.ua/handle/123456789/76041Дипломна робота: 110 с., 28 рис., 12 табл., 25 посилань, 2 додатки. Об’єкт дослідження – набір даних із зображенням нирок, призначені для діагностики злоякісних новоутворень. Предмет дослідження – глибокі нейронні мережі та методи пояснюваного штучного інтелекту, що забезпечують автоматизоване виявлення пухлин і візуалізацію причинного внеску пікселів. Мета роботи – дослідити та реалізувати підходи до інтерпретованої класифікації захворювань нирок, що матимуть високу точність й наочно пояснюватимуть отримані рішення. Методи дослідження – навчання моделей ResNet-18 та ViT на репрезентативному наборі КТ-знімків; застосування п’яти XAI-підходів (Grad-CAM, SmoothGrad Integrated Gradients, Gradient Shap, SHAP, CRATE); оцінювання атрибуцій за метриками Deletion AUC, Insertion AUC, Infidelity, Sensitivity-max; розробка комбінованих схем Grad-CAM & SG-IG і CRATE & Grad Shap. У межах дослідження досягнуто високої точності класифікації КТ-знімків нирок за допомогою моделей ResNet-18 і ViT. Візуальні пояснення, згенеровані п’ятьма XAI-методами, було всебічно проаналізовано за чотирма метриками якості. Розроблені комбіновані підходи Grad-CAM & SG-IG і CRATE & Grad Shap суттєво покращили локалізацію причинних пікселів і підвищили стабільність результатів, що підтверджує ефективність запропонованих рішень для клінічної практики.109 с.ukштучний інтелектпояснювальні моделікомп’ютерний зіррак ниркикомп’ютерна томографіяresnet-18vision transformerxaiBachelor Thesis