自我解释人工智能在医学图像分析中的应用：综述与新展望
原文中文，约300字，阅读约需1分钟。发表于：。该研究针对医学图像分析中对于透明和可靠模型的需求，探讨了自我解释人工智能（S-XAI），作为高风险决策领域中可解释人工智能（XAI）的新方法。通过将可解释性直接嵌入深度学习模型的训练过程中，S-XAI能够生成与模型内部决策流程紧密相关的解释，显著增强AI系统在医学应用中的可信性与可靠性。该文献综述了200余篇相关论文，分析了不同成像模式与临床应用的现状及未来研究方向。
该研究探讨了自我解释人工智能（S-XAI）在医学图像分析中的应用，强调其在高风险决策中的重要性。S-XAI通过在深度学习模型中嵌入可解释性，提升AI系统的可信度。文章综述了200多篇论文，分析了不同成像模式和临床应用的现状及未来方向。
