摘要
可解释性对可信的医学图像诊断至关重要。现有概念驱动方法存在局限：概念瓶颈模型需评分所有预定义概念，增加临床负担；而基于理由的生成方法常因类别区分度选择概念，偏离诊断本体。为此，本文提出神经符号规则蒸馏（NeRD）框架，无需人工 crafting 诊断规则，即可生成高效、基于本体且非冗余的推理链。在两个皮肤数据集上的实验表明，该方法兼具强诊断性能与可解释性，盲测专家评估证实了其临床合理性，并实现了首个多模态思维链诊断的专家介入研究。
AI 推荐理由
论文核心提出基于本体论的思维链推理框架，解决医疗诊断中的可解释性推理问题。
研究机构
Department of Data Science & AI, Faculty of Information Technology, Monash University, Melbourne, Australia
AIM for Health Lab, Faculty of Information Technology, Monash University, Melbourne, Australia
Faculty of Engineering, Monash University, Melbourne, Australia
Faculty of Medicine, The Chinese University of Hong Kong, Hong Kong, China
School of Computing Technologies, RMIT University, Melbourne, Australia
论文信息