通过概念向量生成更具可解释性的反事实：胸部 X 光的初步研究
图像与视频处理
2025-06-05 v1 人工智能
计算机视觉与模式识别
摘要
部署医学影像模型的关键步骤是确保与临床知识的一致性和可解释性。我们专注于将临床概念映射到生成模型的潜在空间中，以识别概念激活向量（Concept Activation Vectors, CAVs）。通过使用简单的重建自编码器，我们将用户定义的概念与图像级特征联系起来，无需显式标签训练。提取的概念在不同数据集上保持稳定，能够突出临床相关特征的可视化解释。通过沿概念方向遍历潜在空间，我们生成了夸大或减少特定临床特征的反事实。胸部 X 光的初步结果对心脏肥大等大病理显示出前景，而较小病理由于重建限制仍然具有挑战性。尽管未超越基线，该方法提供了一条通向与临床知识一致的可解释、基于概念的解释的路径。
引用
@article{arxiv.2506.04058,
title = {Towards generating more interpretable counterfactuals via concept vectors: a preliminary study on chest X-rays},
author = {Bulat Maksudov and Kathleen Curran and Alessandra Mileo},
journal= {arXiv preprint arXiv:2506.04058},
year = {2025}
}