ProtoMedX：面向骨健康分类的可解释多模态原型学习

于红博

摘要: 骨骼健康研究在医学实践中至关重要，可以早期检测和治疗骨质疏松症和骨质疏松症。临床医生通常根据骨密度测定（DEXA扫描）和患者病史来做出诊断。人工智能在这一领域的应用是持续研究的方向。大多数成功的方法依赖于使用仅视觉（DEXA/X射线图像）的深度学习模型，并侧重于预测准确性，而解释性通常被忽视，留给输入贡献的事后评估。我们提出ProtoMedX，这是一个多模态模型，使用腰椎的DEXA扫描和患者记录。ProtoMedX的原型架构设计上是可以解释的，这对于医学应用尤为重要，尤其是在即将出台的欧盟人工智能法案的背景下，因为它允许对模型决策进行明确分析，包括错误的决策。ProtoMedX在骨骼健康分类方面展示了最先进的性能，同时提供了可以被临床医生视觉理解的解释。使用4,160名真实NHS患者的数据集，提出的ProtoMedX在仅视觉任务中达到了87.58%的准确率，在其多模态变体中达到了89.8%，均超过了现有的已发表方法。

更新时间: 2025-09-18 10:46:18

领域: cs.CV,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.14830v1