論文の概要: From Prototypes to Sparse ECG Explanations: SHAP-Driven Counterfactuals for Multivariate Time-Series Multi-class Classification

• arxiv url: http://arxiv.org/abs/2510.19514v1
• Date: Wed, 22 Oct 2025 12:09:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.756982
• Title: From Prototypes to Sparse ECG Explanations: SHAP-Driven Counterfactuals for Multivariate Time-Series Multi-class Classification
• Title（参考訳）: プロトタイプからスパースECG説明へ:多変量時系列マルチクラス分類のためのSHAP駆動のカウンターファクト
• Authors: Maciej Mozolewski, Betül Bayrak, Kerstin Bach, Grzegorz J. Nalepa,
• Abstract要約: 本稿では,12リードのECG分類モデルに適合したスパース対実的説明を生成するためのプロトタイプ駆動型フレームワークを提案する。 本手法では、SHAPに基づくしきい値を用いて、臨界信号セグメントを特定し、インターバルルールに変換する。 提案手法の3つの変種であるOriginal, Sparse, Aligned Sparseを評価し,MIの98.9%の妥当性からハイドロフィ(HYP)検出の課題まで,クラス固有の性能について検討した。
• 参考スコア（独自算出の注目度）: 8.113866195465976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In eXplainable Artificial Intelligence (XAI), instance-based explanations for time series have gained increasing attention due to their potential for actionable and interpretable insights in domains such as healthcare. Addressing the challenges of explainability of state-of-the-art models, we propose a prototype-driven framework for generating sparse counterfactual explanations tailored to 12-lead ECG classification models. Our method employs SHAP-based thresholds to identify critical signal segments and convert them into interval rules, uses Dynamic Time Warping (DTW) and medoid clustering to extract representative prototypes, and aligns these prototypes to query R-peaks for coherence with the sample being explained. The framework generates counterfactuals that modify only 78% of the original signal while maintaining 81.3% validity across all classes and achieving 43% improvement in temporal stability. We evaluate three variants of our approach, Original, Sparse, and Aligned Sparse, with class-specific performance ranging from 98.9% validity for myocardial infarction (MI) to challenges with hypertrophy (HYP) detection (13.2%). This approach supports near realtime generation (< 1 second) of clinically valid counterfactuals and provides a foundation for interactive explanation platforms. Our findings establish design principles for physiologically-aware counterfactual explanations in AI-based diagnosis systems and outline pathways toward user-controlled explanation interfaces for clinical deployment.
• Abstract（参考訳）: eXplainable Artificial Intelligence (XAI)では、医療などの領域におけるアクション可能で解釈可能な洞察の可能性から、時系列のインスタンスベースの説明が注目を集めている。 最先端モデルの説明可能性の課題に対処するため,12段階のECG分類モデルに適合したスパース対実的説明を生成するためのプロトタイプ駆動型フレームワークを提案する。 提案手法では, SHAPを用いたしきい値を用いてクリティカル信号セグメントを識別し, インターバルルールに変換し, 動的時間ワープ (DTW) とメドイドクラスタリングを用いて代表プロトタイプを抽出し, それらのプロトタイプを整合させて, サンプルの整合性を求める。 このフレームワークは、元の信号の78%しか変更せず、すべてのクラスで81.3%の妥当性を維持し、時間的安定性を43%改善した反事実を生成する。 心筋梗塞 (MI) の98.9%, 肥大症 (HYP) の検出 (13.2%) の3種類の治療法, Original, Sparse, Aligned Sparse の評価を行った。 このアプローチは,臨床的に有効な副作用のほぼリアルタイム生成(1秒)をサポートし,インタラクティブな説明プラットフォームの基礎を提供する。 本研究は,AIに基づく診断システムにおける生理的事実説明のための設計原則を確立し,臨床展開のためのユーザ制御説明インターフェースへの経路を概説した。

関連論文リスト

• AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
  本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。 372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。 これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-02T20:52:16Z)
• Channel-Imposed Fusion: A Simple yet Effective Method for Medical Time Series Classification [18.061020420145407]
  本研究は、構造的透明性を重視したモデリングパラダイムに焦点を移し、医療データの本質的な特徴とより密接に一致させる。 本稿では,チャネル間情報融合による信号と雑音の比を高める新しい手法であるChannel Imposed Fusion (CIF)を提案する。 複数のパブリックなEEGおよびECGデータセットの実験結果は、提案手法が既存の最先端(SOTA)アプローチを様々な分類基準で上回るだけでなく、分類プロセスの透明性を著しく向上させ、医療時系列分類の新しい視点を提供することを示した。
  論文  参考訳（メタデータ） (2025-05-31T01:44:30Z)
• ActiveSSF: An Active-Learning-Guided Self-Supervised Framework for Long-Tailed Megakaryocyte Classification [3.6535793744942318]
  本研究では,能動学習と自己教師付き事前学習を統合したActiveSSFフレームワークを提案する。 臨床用巨核球データセットによる実験結果から,ActiveSSFは最先端の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-12T08:24:36Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Reflecting Topology Consistency and Abnormality via Learnable Attentions for Airway Labeling [19.269806092729468]
  気道解剖学的ラベリングは、気管支鏡で複雑な気管支構造を識別し、ナビゲートするために、臨床医にとって不可欠である。 従来の手法は一貫性のない予測を生成する傾向にある。 本稿では, トポロジカルな整合性を高め, 異常な気道分岐の検出を改善する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T12:04:30Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。