CLCEM

概念级因果解释方法脑功能网络分类

使用深层模型对辅助诊断和脑部疾病治疗进行分类，对大脑功能网（BFN）进行分类。但是，深层模型的无法解释，严重阻碍了他们在计算机辅助诊断中的应用。此外，当前的解释方法主要集中在自然效果上，该方法不能直接用于解释BFN分类的深层模型。在本文中，我们提出了一种新颖的概念级因果解释方法，用于BFN分类，称为CLCEM。首先，CLCEM采用因果学习方法来提取对BFN的人类有意义的概念。第二，它汇总了相同的概念，以获得每个概念对模型输出的贡献。最后，Clcem添加了每个概念以做出诊断的基础。实验结果表明，我们的CLCEM不仅可以准确地识别与特定脑部疾病有关的大脑区域，而且还可以根据这些大脑区域的概念做出决策，这使得人可以理解决策过程而不会降低绩效。