人类对齐的深度学习：可解释性、因果性和生物启发

本研究旨在解决深度学习（DL）在图像分类中的解释性和鲁棒性问题。通过引入可解释性、因果关系和生物视觉三个视角，提出了新的模块和框架，如CROCODILE和CoCoReco，以实现更有效和可解释的医学图像预测。研究发现，这些方法可以提高医疗领域的信任度和诊断准确性，为临床应用提供了新的方向。