通过可解释性驱动分析剖析腹主动脉瘤分割中的模型失败

复杂腹主动脉瘤 (AAA) 的计算机断层扫描图像分割经常失败，因为模型将内部焦点分配给不相关的结构，或者不关注薄的、低对比度的目标。模型看起来是主要训练信号，因此我们提出了一个可解释的人工智能（XAI）引导编码器整形框架。我们的方法从最终编码器块计算密集的、基于属性的编码器焦点图（“XAI 场”），并以两种互补的方式使用它：（i）我们将预测的概率质量与 XAI 场对齐，以促进焦点和输出之间的一致性； (ii) 我们将该领域引入轻量级细化路径和置信先验，在推理时调节 logits，抑制干扰因素，同时保留微妙的结构。客观术语仅作为控制信号；其贡献是将归因指导整合到表示和解码中。我们评估针对容易失败的场景策划的经过临床验证的具有挑战性的案例。与基本 SAM 设置相比，我们的实施产生了显着的改进。观察到的收益表明，通过 XAI 指导显式优化编码器焦点是复杂场景中可靠分割的实用且有效的原则。