医学视觉 Transformer 的 X-Edit：精确、显式且可解释的零空间编辑
计算机视觉与模式识别
2026-05-26 v1
摘要
预训练视觉 Transformer (ViT) 越来越被用于医学图像分类。然而，纠正其在动态临床情景中不可避免的 failure case 具有关键挑战。常规微调方法天然会 suffer from catastrophic forgetting，严重降低先前获取的诊断能力。这种不稳定性基本上削弱了临床安全性。针对这一脆弱性，需要一种 active、可控且可靠的干预机制，既在本质上是理论依据，也具有内在可解释性。为此，我们提出 X-Edit (eXact, eXplicit, and eXplainable Editing)，一种高效的零空间模型编辑框架。X-Edit 将编辑过程从 iterative gradient-based optimization 转变为理论依据的闭式解。具体而言，我们首先通过因果追踪显式局ализ化影响错误预测的各层。随后，我们从精选锚定集构建正交零空间投影矩阵。通过几何约束将 exact 参数更新严格限制在该零空间内，我们提供了数学保证，确保干预纠正了针对性错误，而不会扰动已建立的诊断表示。广泛评估显示，X-Edit 综合抑制了灾难性遗忘，同时实现了 superior edit success rates。我们的代码已发布于 https://github.com/HenryLau7/X-Edit。
引用
@article{arxiv.2605.24932,
title = {X-Edit: Exact, Explicit, and Explainable Null-Space Editing for Medical Vision Transformers},
author = {Yuanye Liu and Siyuan Zhou and Ke Zhang and Lei Li and Wei Chen and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2605.24932},
year = {2026}
}
备注
Early accepted by MICCAI 2026