arXiv · Computer Vision· Michael D. Vasilakakis (Department of Computer Science and Biomedical Informatics, University of Thessaly, Lamia, Greece), Dimitris K. Iakovidis (Department of Computer Science and Biomedical Informatics, University of Thessaly, Lamia, Greece)·· 7 小时前AI 评分28
从图像潜在空间到模糊规则：胃肠道基础模型的可解释性分析
From Image Latent Space to Fuzzy Rules: Interpretable Analysis of Gastrointestinal Foundation Model
AI 导读
该研究提出一种基于原型的模糊规则框架，直接解释预训练基础模型内部层的patch级特征，无需微调。在ViT-S/16骨干网络的最后两个块上，通过特征空间聚类学习类别原型，并用人类可读的IF-THEN模糊规则进行分类。在无线胶囊内镜、胃肠道内镜和结肠息肉分割任务上，该方法在冻结特征下达到与黑盒分类器相当的准确率，并能用于检测合成医学图像中生成器未能复现的真实原型与规则，定位合成图像与真实组织的差异。
来源：arXiv · Computer Vision · arxiv.org