МЕТОД ЛОКАЛЬНОЇ КОНСИСТЕНТНОСТІ ДЛЯ СТВОРЕННЯ ПОЯСНЮВАНИХ МОДЕЛЕЙ КЛАСИФІКАЦІЇ МЕДИЧНИХ ЗОБРАЖЕНЬ

Анотація

В роботі наведено результати дослідження методу створення інтерпретованих систем штучного інтелекту для діагностики пухлин головного мозку за МРТ-зображеннями, який базується на концепції локальної консистентності між високоточною згортковою нейронною мережею VGG-16 та інтерпретованою моделлю Decision Rules Network. Запропонована гібридна архітектура забезпечує діагностичну точність 95.2% при збереженні здатності генерувати клінічно релевантні пояснення у формі логічних правил на основі IBSI-стандартизованих ознак. Експериментальна валідація на наборі даних продемонструвала досягнення локальної консистентності 89.3% для індивідуальних діагностичних випадків, що підтверджує надійність згенерованих пояснень та можливість практичного застосування системи у клінічній практиці.