医疗应用的可解释人工智能：综述
机器学习
2024-12-04 v1 计算机视觉与模式识别
摘要
人工智能（AI）理论的持续发展，得益于学者和研究者的不懈努力，推动了该领域达到前所未有的高度。在医疗领域，AI发挥着关键作用，利用强大的机器学习（ML）算法。AI技术在医学影像中协助医生进行X光、CT扫描和MRI诊断，基于声学数据进行模式识别和疾病预测，为患者提供疾病类型和发展趋势的预后，并运用智能健康管理可穿戴设备配合人机交互技术等。尽管这些成熟的应用在医疗诊断、临床决策和管理方面取得了显著成效，但医疗与AI领域之间的合作面临一个紧迫挑战：如何为决策可靠性提供依据。其根本问题源于医疗场景对问责制和结果透明度的要求与AI的黑盒模型特性之间的冲突。本文综述了基于可解释人工智能（XAI）的最新研究，特别是从视觉、音频和多模态视角聚焦医疗实践。我们旨在对这些实践进行分类和综合，以期为未来研究者和医疗专业人员提供支持和指导。
引用
@article{arxiv.2412.01829,
title = {Explainable Artificial Intelligence for Medical Applications: A Review},
author = {Qiyang Sun and Alican Akman and Björn W. Schuller},
journal= {arXiv preprint arXiv:2412.01829},
year = {2024}
}