論文の概要: Learning Concept-Driven Logical Rules for Interpretable and Generalizable Medical Image Classification

• arxiv url: http://arxiv.org/abs/2505.14049v1
• Date: Tue, 20 May 2025 07:48:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:52.871731
• Title: Learning Concept-Driven Logical Rules for Interpretable and Generalizable Medical Image Classification
• Title（参考訳）: 解釈可能・一般化可能な医用画像分類のための概念駆動論理則の学習
• Authors: Yibo Gao, Hangqi Zhou, Zheyao Gao, Bomin Wang, Shangqi Gao, Sihan Wang, Xiahai Zhuang,
• Abstract要約: 概念ルール学習者(CRL)は、二項化視覚概念から論理ルールを学ぶための新しいフレームワークである。 CRLは概念相関を捉え、臨床的に意味のある規則を抽出し、局所的およびグローバルな解釈可能性を提供する。
• 参考スコア（独自算出の注目度）: 21.522301549538366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The pursuit of decision safety in clinical applications highlights the potential of concept-based methods in medical imaging. While these models offer active interpretability, they often suffer from concept leakages, where unintended information within soft concept representations undermines both interpretability and generalizability. Moreover, most concept-based models focus solely on local explanations (instance-level), neglecting the global decision logic (dataset-level). To address these limitations, we propose Concept Rule Learner (CRL), a novel framework to learn Boolean logical rules from binarized visual concepts. CRL employs logical layers to capture concept correlations and extract clinically meaningful rules, thereby providing both local and global interpretability. Experiments on two medical image classification tasks show that CRL achieves competitive performance with existing methods while significantly improving generalizability to out-of-distribution data. The code of our work is available at https://github.com/obiyoag/crl.
• Abstract（参考訳）: 臨床応用における意思決定の安全性の追求は、医療画像における概念に基づく手法の可能性を強調している。 これらのモデルは、アクティブな解釈可能性を提供するが、しばしば、ソフトな概念表現における意図しない情報が解釈可能性と一般化可能性の両方を損なう概念リークに悩まされる。 さらに、ほとんどの概念に基づくモデルは、グローバルな決定論理(データセットレベル)を無視し、局所的な説明(インスタンスレベル)にのみ焦点をあてている。 これらの制約に対処するため,両項視覚概念からブール論理規則を学習する新しいフレームワークである概念規則学習器(CRL)を提案する。 CRLは概念相関を捉え、臨床的に意味のある規則を抽出し、局所的およびグローバルな解釈可能性を提供する。 2つの医用画像分類タスクの実験は、CRLが既存の手法と競合する性能を達成し、アウト・オブ・ディストリビューションデータへの一般化性を著しく改善していることを示している。 私たちの作業のコードはhttps://github.com/obiyoag/crl.comで公開されています。

関連論文リスト

• Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery [52.498055901649025]
  ディープニューラルネットワークの「ブラックボックス」問題に対処するために、概念ボトルネックモデル(CBM)が提案されている。 本稿では,典型的なパラダイムを逆転させる新しいCBMアプローチであるDiscover-then-Name-CBM(DN-CBM)を提案する。 我々の概念抽出戦略は、下流のタスクに非依存であり、既にそのモデルに知られている概念を使用するため、効率的である。
  論文  参考訳（メタデータ） (2024-07-19T17:50:11Z)
• Concept-Attention Whitening for Interpretable Skin Lesion Diagnosis [7.5422729055429745]
  皮膚病変診断のための新しい概念認識白化(CAW)フレームワークを提案する。 前枝では,CAW層を挿入した畳み込みニューラルネットワーク(CNN)を訓練し,皮膚病変の診断を行った。 後者のブランチでは、マトリクスはコンセプトアテンションマスクのガイダンスに基づいて計算される。
  論文  参考訳（メタデータ） (2024-04-09T04:04:50Z)
• Understanding Distributed Representations of Concepts in Deep Neural Networks without Supervision [25.449397570387802]
  本稿では,ニューロンの主部分集合を選択することによって,概念の分散表現を発見する教師なし手法を提案する。 我々の経験から、類似のニューロン活性化状態のインスタンスはコヒーレントな概念を共有する傾向があることが示されている。 データ内のラベルなしサブクラスを特定し、誤分類の原因を検出するために利用することができる。
  論文  参考訳（メタデータ） (2023-12-28T07:33:51Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• Abstracting Concept-Changing Rules for Solving Raven's Progressive Matrix Problems [54.26307134687171]
  Raven's Progressive Matrix (RPM) は、候補者の中から選択することで、機械知能においてそのような能力を実現する古典的なテストである。 近年の研究では、RPMの解法はルールの深い理解を促進することが示唆されている。 本稿では、解釈可能な概念を学習し、潜在空間における概念変更ルールを解析することにより、概念変更ルールABstraction(CRAB)の潜時変数モデルを提案する。
  論文  参考訳（メタデータ） (2023-07-15T07:16:38Z)
• Interpretable Neural-Symbolic Concept Reasoning [7.1904050674791185]
  概念に基づくモデルは、人間の理解可能な概念のセットに基づいてタスクを学習することでこの問題に対処することを目的としている。 本稿では,概念埋め込みに基づく最初の解釈可能な概念ベースモデルであるDeep Concept Reasoner (DCR)を提案する。
  論文  参考訳（メタデータ） (2023-04-27T09:58:15Z)
• Neuro-Symbolic Reinforcement Learning with First-Order Logic [63.003353499732434]
  論理ニューラルネットワークと呼ばれる最近のニューラルシンボリック・フレームワークを用いたテキストベースゲームのための新しいRL手法を提案する。 実験の結果,提案手法を用いたRLトレーニングは,TextWorldベンチマークにおいて,他の最先端のニューロシンボリック手法よりもはるかに高速に収束することがわかった。
  論文  参考訳（メタデータ） (2021-10-21T08:21:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。