EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

TRAX: A framework for quantifying trustworthiness of explainable AI in medical image classification

Andrej Pisarcik, Roberta Hlavata, Patrik Kamencay, Robert Hudec

Array · 2026-12 · 32 · 101234

DOI: 10.1016/j.array.2026.101234 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Array, 2026-12. Verfasst von Andrej Pisarcik und 3 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Pisarcik, A., Hlavata, R., Kamencay, P., & Hudec, R. (2026). TRAX: A framework for quantifying trustworthiness of explainable AI in medical image classification. Array, 32, 101234. https://doi.org/10.1016/j.array.2026.101234

Vancouver

Pisarcik A, Hlavata R, Kamencay P, Hudec R. TRAX: A framework for quantifying trustworthiness of explainable AI in medical image classification. Array. 2026;32:101234. doi:10.1016/j.array.2026.101234

BibTeX
@article{Pisarcik2026,
  author = {Pisarcik, Andrej and Hlavata, Roberta and Kamencay, Patrik and Hudec, Robert},
  title = {TRAX: A framework for quantifying trustworthiness of explainable AI in medical image classification},
  journal = {Array},
  year = {2026},
  volume = {32},
  pages = {101234},
  doi = {10.1016/j.array.2026.101234}
}
Kostenlos starten →