一篇新发表在arXiv上的研究论文，调查了用于解释超声心动图深度学习模型决策的归因方法。研究发现，虽然这些模型可以准确估算左心室射血分数（EF），并且其解释在空间上是忠实的，但它们在时间上是盲目的。这意味着模型并不可靠地关注定义EF的关键收缩末期和舒张末期帧，尽管它们似乎关注了正确的解剖区域。这些发现警示不要仅仅依赖空间归因来验证视频诊断模型，并强调了对时间感知训练和评估的必要性。 AI
影响 强调了对医学诊断中AI进行更鲁棒评估的必要性，特别是在视频分析的时间方面。
排序理由 发表在arXiv上的研究论文，详细介绍了关于AI模型归因的发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.13738v1 Announce Type: cross Abstract: Background and Objective: Deep video models estimate left-ventricular ejection fraction (EF) from echocardiography with near-expert accuracy, and post-hoc attribution (Chefer relevance for transformers, Grad-CAM for CNNs) is incre…
Background and Objective: Deep video models estimate left-ventricular ejection fraction (EF) from echocardiography with near-expert accuracy, and post-hoc attribution (Chefer relevance for transformers, Grad-CAM for CNNs) is increasingly used to certify that models "look at the r…