面向视网膜眼底图像的可解释基础模型 DualIFM
研究人员提出了 DualIFM，一种专为视网膜眼底图像设计、从架构层面实现可解释性的基础模型。其 BagNet 主干网络采用小感受野，可生成忠实反映模型决策依据的证据图。预训练阶段加入的二维投影层能够直接可视化表示空间，从而发现具有临床意义的聚类以及潜在的虚假相关。DualIFM 使用超过 80 万张未标注眼底照片进行训练，在参数量仅为 RETFound 十六分之一的情况下，取得了相近的性能，并能对分布外数据提供可解释的预测。代码和预训练模型已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。