可解释的深度学习在医学成像中受到关注，研究探讨了Grad-CAM等技术的应用与局限性。结果显示，深度学习模型在气胸诊断中的准确性提升有限，而基于梯度的可解释技术在时序数据中表现出良好潜力。FM-G-CAM方法为CNN模型的预测提供了全面解释，并展示了在心电图信号分类中的应用前景。