综述:三维医学影像可解释性归因方法的维度保留性研究:范围界定性综述
《Journal of Imaging》:Explainable Artificial Intelligence (XAI) for 3D Medical Imaging: A Scoping Review of Volumetric Attribution Methods
【字体:
大
中
小
】
时间:2026年10月10日
来源:Journal of Imaging 3.8
摘要
为二维图像开发的解释性人工智能(XAI)方法,当应用于体积医学影像时,可能无法保留空间上下文。本范围界定性综述对三维医学图像的归因方法进行了图谱梳理,并考察了维度信息在模型推理、归因生成和可视化三个环节中的保留情况。遵循PRISMA-ScR指南,我们在IEEE Xplore、PubMed、ACM数字图书馆、Semantic Scholar和arXiv中检索了2018年1月至2026年5月间发表的研究文献。我们根据归因方法、成像模态、临床任务、评估方式及维度范式,对32篇入选研究进行了图谱梳理。Grad-CAM及其变体是报告频率最高的方法族。在入选文献中,两篇研究被归类为P2边界情形,29篇为P3,一篇为P4。大多数采用体积推理的研究通过二维视图呈现解释结果,而对归因质量的定量评估较为罕见。这些发现揭示了体积模型推理与解释呈现之间的差距,并促使改进体积可视化技术和评估的一致性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号