SSplain：用于视网膏早发性未成熟综合征分类的稀疏平滑解释器
计算机视觉与模式识别
2025-12-10 v1
摘要
神经网络常被用于医学诊断。然而，由于其黑箱特性，解释器被用于帮助医生更好地理解并信任模型输出。本文介绍了一种用于从视网膜图像中分类视网膏早发性未成熟综合征（Retinopathy of Prematurity, ROP）的解释器方法。以往方法无法生成保留输入图像结构（如平滑性与稀疏性）的解释。我们引入稀疏平滑解释器（SSplain），一种在保持图像结构的前提下生成像素级解释的方法，通过强制平滑与稀疏性来实现。结果产生的解释更真实，增强了对给定黑箱模型的理解。为实现这一目标，我们定义了一个带组合约束的优化问题，并使用交替方向乘子法（ADMM）求解。实验结果表明，SSplain 在后验准确性与平滑性分析方面优于常用解释器。此外，SSplain 识别的特征与医生认为的判别性因素一致。我们还展示了 SSplain 在应用于其他公开数据集时的泛化能力。代码已公开于 https://github.com/neu-spiral/SSplain。
引用
@article{arxiv.2512.08038,
title = {SSplain: Sparse and Smooth Explainer for Retinopathy of Prematurity Classification},
author = {Elifnur Sunger and Tales Imbiriba and Peter Campbell and Deniz Erdogmus and Stratis Ioannidis and Jennifer Dy},
journal= {arXiv preprint arXiv:2512.08038},
year = {2025}
}
备注
20 pages, 16 figures