本文介绍了一种名为“可解释的Mimic学习”的新型知识蒸馏方法，用于解决临床决策中的模型可解释性问题。实验结果表明，该方法在临床时间序列数据集上获得了与深度学习模型相似或更好的性能，并提供了可解释的表型特征。

本文介绍了一种名为“可解释的Mimic学习”的新型知识蒸馏方法，用于解决临床决策中的模型可解释性问题。实验结果表明，该方法在临床时间序列数据集上获得了与深度学习模型相似或更好的性能，并提供了可解释的表型特征。