可解释的人工智能在生物医学图像分析中的应用综述

可解释人工智能（XAI）在生物医学图像分析中变得越来越重要，以促进透明度、信任和深度学习模型的临床应用。尽管已有多篇综述回顾了XAI技术，但它们往往缺乏基于模态的视角，忽视了多模态和视觉-语言范式的最新进展，并且在实践指导上提供的内容有限。本综述通过全面且有结构的总结，填补了这一空白，专门针对生物医学图像分析的XAI方法进行探讨。我们系统地对XAI方法进行了分类，分析了它们在生物医学背景下的基本原理、优点和局限性。提出了一种以模态为中心的分类法，将XAI方法与特定的影像类型对接，突出了不同模态间的可解释性挑战。我们还进一步探讨了多模态学习和视觉-语言模型在可解释生物医学AI中的新兴作用，这是前期研究中较少涉及的话题。我们的贡献还包括对广泛使用的评估指标和开源框架的总结，以及对持续存在的挑战和未来方向的深入讨论。本综述为推动生物医学图像分析中的可解释深度学习提供了及时且深入的基础。