本研究结合了GradCam和SHAP技术，提出了一种创新的3D可解释性框架，验证了深度学习网络在副扣带沟检测方面的准确性。通过解释和统计特征转换，揭示了相关子区域对决策过程的贡献。研究利用精神分裂症患者的MRI数据集，发现副扣带沟在左侧大脑半球中的检测正确率较高。研究强调了公正的注释协议在维护网络性能公平性方面的重要性。该方法有望在神经科学领域引发进一步研究。