跳到主要内容
检索

# 可解释人工智能

17 篇关联报道

订阅更新
  1. researchsquare.com

    混合量子医疗模型有了双层解释:8维语义精确归因,噪声下剪掉CNOT还涨点

    混合量子—经典医疗模型能给出预测,却说不清决策来自哪些语义因素、哪些量子门。FQXAI把输入压到8维代理监督语义瓶颈,用高斯模糊隶属度生成IF–THEN理由,并在全部256个语义组合上精确计算Shapley值,省去蒙特卡洛采样。在MIT-BIH心律失常、PneumoniaMNIST与PathMNIST上,模型准确率分别为0.890、0.768、0.726;5%去极化噪声下按SVQX剪枝把CNOT从14降到11、12、10,准确率分别提高2.20、1.74、1.51个百分点。

  2. Nature Medicine

    医学视觉语言模型不再只给结论:诊断均分0.895,还能把病灶框回像素

    医学影像基础模型长期在“通用”与“像素级精确”之间取舍,且多数只输出结论、不交代依据。EVLF-FM 把疾病级与像素级两路视觉特征同时送入语言模型,先做监督微调,再用带可验证奖励的强化学习对齐推理与定位,覆盖皮肤科、肝病、眼科、病理、呼吸与放射六个专科、10 种成像模态。内部诊断验证中其平均准确率 0.895,为所比模型中最高;在 9 种模态的医学视觉定位上平均 Acc@0.5 为 0.842。

  3. researchsquare.com

    CRISPRi 引导效力模型跨库失效:换掉基因内百分位标签,迁移相关从0.008升到0.136

    在K562细胞上训练的CRISPRi引导效力模型,直接用于Sanson等2018年的Dolcetto独立文库(HT29与A375细胞)时几乎不迁移,Spearman相关仅0.008和0.012。保持101个特征、模型结构和超参数不变,只把训练标签从基因内百分位改为连续的跨研究z分数,同一模型在HT29和A375上的迁移相关升至0.136和0.158,K562留一染色体交叉验证也从0.375升到0.429。这说明跨库迁移失败主要来自标签设计,而不是染色质特征缺失。

  4. researchsquare.com

    心电图模型怕的不是滤波,是相位:换一种因果滤波器,传导阻滞识别从0.91掉到0.62

    实时心电监护只能用因果滤波器,而这类滤波器的非线性相位会把心电波形不同频率成分错开。在三个独立临床数据库共36,583条12导联心电记录上,仅改变相位、保持频谱幅度不变,ResNet-18的宏AUROC在PTB-XL上下降0.1244,传导阻滞类识别从0.91以上跌到约0.62。一种训练时随机施加全通相位扰动的正则化方法,在各队列挽回了86.9%至90.9%的相位致性能损失,且不改变模型结构。

  5. arXiv

    模型看哪里不等于人看哪里:用眼动热图当基准,Mamba在胸片上定位准却强度对不上

    一项跨CNN、ViT与Vision Mamba的对比把人类眼动热图当作独立基准,量化模型显著图与人类注视的对齐程度,发现Mamba在胸片任务上定位得分最高,但其显著图强度分布与人类注视几乎不相关。

  6. researchsquare.com

    绞牛肉掺淋巴结不再靠肉眼:四档激发荧光加LSTM,外部屠宰场RPD仍有9.3

    绞牛肉中混入淋巴结组织后,肉眼检查已无法识别,而DNA和蛋白法虽特异却破坏样品、依赖湿化学前处理。研究用四档激发波长的前表面荧光光谱配合可解释LSTM,在五家屠宰场、三个品种的824份样品上建模,并在两家未参与训练的外部屠宰场样品上取得R2P 0.988–0.993、RMSEP 2.60–3.35% w/w、RPD 9.3–12.0。激发消融显示,特异性来自多激发采样而非网络结构,检出限1.8% w/w、定量限6.0% w/w。

  7. researchsquare.com

    单基因糖尿病六千余个意义未明变异有了排序:模型仍能区分非错义变异,但高分部分来自重建审阅逻辑

    单基因糖尿病基因中大量变异因证据不足被归为意义未明变异,ClinVar 里长期积压。一项分析用 22 个相关基因的 7706 个已明确分类单核苷酸变异训练可解释分类器,在 771 个留出变异上取得 ROC-AUC 0.9989、AUPRC 0.9970,并对致病类召回 1.00。特征消融显示高分部分来自特征与 ACMG 判读标准的重叠,但在无法直接援引计算证据的非错义变异上仍以 99.0% 对 87.0% 超过多数类基线,随后对 6306 个意义未明变异给出逐变异解释的排序。

  8. researchsquare.com

    手表单导联心电就能筛出13种心脏结构病:用超声报告当监督,外部1.6万人验证

    北京大学等团队把常规单导联心电与医生撰写的超声心动图报告对齐,训练出可同时识别13种细粒度心脏结构病的筛查框架AnyECG-Echo。此前同类模型多依赖12导联输入,或只在单一医疗系统内验证,且标签需逐病种人工标注。该框架在内部、时间与地理独立外部共25222例验证队列上,对左室收缩功能减低、全心增大、二尖瓣狭窄等高影响亚型取得较高AUROC,并在外部队列中保持可用判别力。

  9. bioRxiv

    细胞类型不再先标注:NetMap从混合单细胞数据里同时读出调控网络与细胞身份

    单细胞调控网络推断不再需要先给细胞分型。此前流程先聚类、再用标记基因标注细胞类型,然后逐群推断网络,聚类和标注的误差会传进网络。NetMap在聚类之前就为每个细胞推断基因调控网络,再用GradientShap把网络边归因到输入基因,在PBMC多组学数据的三个评估案例上聚类分数分别为1.0、0.99和0.99。

  10. arXiv

    Polytopal Neural Network 将隐表示约束在学习到的多面体上,在 ImageNet-1k 上保留 96.9% 的无约束精度

    作者提出 Polytopal Neural Network(PNN),在训练中把每层隐表示约束为学习到的原型(archetype)的凸组合,使解释坐标同时就是下一层接收的坐标;在图像分类与重建基准上,PNN 以很小的精度损失逼近无约束网络,在无监督重建中优于 VQ-VAE 与 Dirichlet VAE,并给出无需 EMA、承诺损失或直通估计器的 VQ 训练路径。