論文の概要: Towards Interpretable Foundation Models for Retinal Fundus Images

• arxiv url: http://arxiv.org/abs/2603.18846v1
• Date: Thu, 19 Mar 2026 12:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.147105
• Title: Towards Interpretable Foundation Models for Retinal Fundus Images
• Title（参考訳）: 網膜基底画像の解釈可能な基礎モデルに向けて
• Authors: Samuel Ofosu Mensah, Maria Camila Roa Carvajal, Kerol Djoumessi, Philipp Berens,
• Abstract要約: 本稿では,2つの方法で解釈可能な基礎モデルであるDual-IFMを提案する。 まず、意思決定プロセスに忠実なクラスエビデンスマップを通じて、個々の画像に対する局所的解釈性を提供する。 第2に、モデル表現空間を直接視覚化する2次元プロジェクション層を通じて、データセット全体のグローバルな解釈性を提供する。
• 参考スコア（独自算出の注目度）: 4.6495938989652075
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Foundation models are used to extract transferable representations from large amounts of unlabeled data, typically via self-supervised learning (SSL). However, many of these models rely on architectures that offer limited interpretability, which is a critical issue in high-stakes domains such as medical imaging. We propose Dual-IFM, a foundation model that is interpretable-by-design in two ways: First, it provides local interpretability for individual images through class evidence maps that are faithful to the decision-making process. Second, it provides global interpretability for entire datasets through a 2D projection layer that allows for direct visualization of the model's representation space. We trained our model on over 800,000 color fundus photography from various sources to learn generalizable, interpretable representations for different downstream tasks. Our results show that our model reaches a performance range similar to that of state-of-the-art foundation models with up to $16\times$ the number of parameters, while providing interpretable predictions on out-of-distribution data. Our results suggest that large-scale SSL pretraining paired with inherent interpretability can lead to robust representations for retinal imaging.
• Abstract（参考訳）: ファンデーションモデルは、通常、自己教師付き学習(SSL)を介して、大量のラベルのないデータから転送可能な表現を抽出するために使用される。 しかし、これらのモデルの多くは、限定的な解釈可能性を提供するアーキテクチャに依存しており、医療画像のような高精細領域において重要な問題である。 まず、意思決定プロセスに忠実なクラスエビデンスマップを通して、個々の画像に対して局所的な解釈性を提供する。 第2に、モデル表現空間を直接視覚化する2次元プロジェクション層を通じて、データセット全体のグローバルな解釈性を提供する。 我々は、さまざまなソースから800,000枚以上のカラーフルート写真をトレーニングし、異なる下流タスクの一般化可能な解釈可能な表現を学習した。 以上の結果から,本モデルの性能範囲は現状の基盤モデルと同等であり,パラメータ数は最大16\times$であり,アウト・オブ・ディストリビューションデータに対する解釈可能な予測が可能であることがわかった。 以上の結果から,大規模なSSLプリトレーニングと固有解釈性の組み合わせが網膜画像の堅牢な表現に繋がる可能性が示唆された。

関連論文リスト

• Comparing Computational Pathology Foundation Models using Representational Similarity Analysis [0.6660458629649825]
  計算神経科学の手法を用いて、6つのCPath基礎モデルの表現空間を体系的に解析する。 UNI2 と Virchow2 は最も異なる表現構造を持つのに対し、Prov-Gigapath はモデル間の平均類似度が最も高い。
  論文  参考訳（メタデータ） (2025-09-18T23:01:13Z)
• Multi-Scale and Multimodal Species Distribution Modeling [4.022195138381868]
  種分布モデル (SDM) は, 発生データと環境変数の分布を予測することを目的としている。 SDMへのディープラーニングの最近の応用は、特に空間データを含む新しい道を可能にしている。 我々はSDMのモジュール構造を開発し、シングルスケールとマルチスケールの両方でスケールの効果をテストする。 GeoLifeCLEF 2023ベンチマークの結果は、マルチモーダルデータとマルチスケール表現の学習を考えると、より正確なモデルが得られることを示している。
  論文  参考訳（メタデータ） (2024-11-06T15:57:20Z)
• DEEM: Diffusion Models Serve as the Eyes of Large Language Models for Image Perception [66.88792390480343]
  本稿では,拡散モデルの生成的フィードバックを利用して画像エンコーダのセマンティックな分布を整合させる,シンプルだが効果的なアプローチであるDEEMを提案する。 DEEMは、トレーニング可能なパラメータが少なく、事前学習データが少なく、ベースモデルのサイズが小さいことを利用して、モデル幻覚を軽減するために、強化された堅牢性と優れた能力を示す。
  論文  参考訳（メタデータ） (2024-05-24T05:46:04Z)
• What Matters When Repurposing Diffusion Models for General Dense Perception Tasks? [49.84679952948808]
  最近の研究は、高密度知覚タスクのためのT2I拡散モデルを簡単に調整することで有望な結果を示す。 拡散前処理における伝達効率と性能に影響を及ぼす重要な要因を徹底的に検討する。 我々の研究は、濃密な視覚認知タスクに特化した効果的な決定論的ワンステップ微調整パラダイムであるGenPerceptの開発において頂点に達した。
  論文  参考訳（メタデータ） (2024-03-10T04:23:24Z)
• Sequential Modeling Enables Scalable Learning for Large Vision Models [120.91839619284431]
  本稿では,言語データを用いずにLVM(Large Vision Model)を学習できる新しい逐次モデリング手法を提案する。 我々は、生画像やビデオや注釈付きデータソースを表現できる共通フォーマット「視覚文」を定義した。
  論文  参考訳（メタデータ） (2023-12-01T18:59:57Z)
• UniDiff: Advancing Vision-Language Models with Generative and Discriminative Learning [86.91893533388628]
  本稿では、画像テキストコントラスト学習(ITC)、テキスト条件付き画像合成学習(IS)、相互意味整合性モデリング(RSC)を統合した統合マルチモーダルモデルUniDiffを提案する。 UniDiffはマルチモーダル理解と生成タスクの両方において汎用性を示す。
  論文  参考訳（メタデータ） (2023-06-01T15:39:38Z)
• IMACS: Image Model Attribution Comparison Summaries [16.80986701058596]
  我々は,勾配に基づくモデル属性とアグリゲーションと可視化技術を組み合わせたIMACSを提案する。 IMACSは評価データセットから適切な入力特徴を抽出し、類似性に基づいてクラスタ化し、類似した入力特徴に対するモデル属性の違いを可視化する。 本稿では,衛星画像上で訓練した2つのモデル間の領域シフトによる行動差を明らかにする方法を示す。
  論文  参考訳（メタデータ） (2022-01-26T21:35:14Z)

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。