基准研究：可解释深度学习用于乳腺癌诊断

Sami Alnawali 等发布一项基准研究，在 BreakHis 乳腺组织病理学数据集上，以患者级划分测试了 10 个 ImageNet 预训练模型（包括 ResNet50、VGG19、ViT、Swin Transformer 等）进行良恶性分类，并用 Grad-CAM、LIME、Integrated Gradients 和 LRP 四种方法解释模型预测。 研究采用患者级划分而非常规图像级划分，以避免同一患者的图像同时进入训练和测试集造成的评估偏差。该工作同时给出分类性能基准与可解释性分析，目前仅为论文发布阶段的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。