RegionFM框架增强了基础模型在脑部MRI分类中的可解释性

研究人员开发了RegionFM，一个旨在增强用于脑部MRI分类的基础模型可解释性的新框架。该方法将解剖分割与基础模型嵌入相结合，允许明确量化单个脑区对预测的贡献。RegionFM将MRI扫描划分为解剖区域，使用冻结的基础模型将每个区域编码为嵌入，然后使用区域加性逻辑模型组合这些嵌入进行分类。在认知障碍分类上的评估表明，RegionFM在提供解剖学基础的解释的同时，取得了与可解释性较差的微调方法相当的性能。 AI

影响 增强了医学影像中AI模型的可解释性，可能提高临床信任度和采用率。

排序理由 该集群描述了一篇关于AI模型可解释性新框架的详细研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• cognitive dysfunction
• fine-tuning
• foundation model
• Hugging Face
• logistic regression model
• magnetic resonance imaging
• RegionFM

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →