Med-CAM：医疗决策的最小证据解释框架
计算机视觉与模式识别
2026-04-16 v1 人工智能
摘要
可靠且可解释的决策过程在医学影像中至关重要，因为诊断结果直接影响患者护理。尽管深度学习技术取得了进展，大多数医学AI系统仍作为黑箱运作，对为何得出特定诊断结果几乎没有提供解释。本文提出Med-CAM框架，通过分类器激活匹配生成用于医疗决策的最小且清晰的地图作为证据基础解释。Med-CAM从头训练分割网络以生成掩码，突出显示模型对任何seen或unseen图像所做决定的关键最小证据。这确保了解释既忠于网络行为，也可被临床医生解读。实验表明，与先前的空间解释方法（如Grad-CAM和注意力图）仅产生相对重要性模糊区域不同，Med-CAM凭借对形状、纹理和边界的优越空间感知能力，提供符合模型预测的诊断依据解释。通过将解释显式约束为紧凑、与模型激活一致且与诊断对齐，Med-CAM推动了透明AI的发展，以促进临床医生对高风险医疗应用（如病理和放射科）的理解与信任。
引用
@article{arxiv.2604.13695,
title = {Med-CAM: Minimal Evidence for Explaining Medical Decision Making},
author = {Pirzada Suhail and Aditya Anand and Amit Sethi},
journal= {arXiv preprint arXiv:2604.13695},
year = {2026}
}