基于路径加权集成梯度的可解释性痴呆分类
机器学习
2025-09-23 v1
摘要
集成梯度（IG）是解释型人工智能（XAI）中广泛使用的归因方法。本文引入路径加权集成梯度（PWIG），作为IG的推广形式，将可自定义的加权函数融入归因积分。该修改允许针对从基线到输入之间路径的不同片段进行有针对性的加权，实现改进的可解释性、噪声抑制和路径依赖特征相关性检测。我们确立了其理论属性，通过在OASIS-1 MRI数据集上的痴呆分类任务实验说明其实用性。由PWIG生成的归因图突出了与痴呆不同阶段相关的临床意义脑区，为用户提供清晰且稳定的解释。结果表明，PWIG提供了一种灵活且理论依据严密的方法，用于提升复杂预测模型的归因质量。
引用
@article{arxiv.2509.17491,
title = {Path-Weighted Integrated Gradients for Interpretable Dementia Classification},
author = {Firuz Kamalov and Mohmad Al Falasi and Fadi Thabtah},
journal= {arXiv preprint arXiv:2509.17491},
year = {2025}
}