Dans un nouvel article accepté à la Conférence internationale sur l’information médicale en image et l’intervention assistée par ordinateur (MICCAI), une équipe de chercheurs de Mila, Imagia et de l’Université Simon Fraser propose un modèle profond interprétable, faiblement supervisé, appelé InfoMask, qui localise maladie des radiographies thoraciques avec plusieurs étiquettes de diagnostic en apprenant à masquer les variables d'entrée non pertinentes.
InfoMask est une œuvre conjointe de Saeid Asgari, Mohammad Havaei, Tess Berthier, Francis Dutil, Lisa Di Jorio, Ghassan Hamarneh et Yoshua Bengio.
