荣登Nature招牌1区Top！可解释的多模态融合模型迎来新突破！

现有关于多模态融合的研究多集中在模型性能的提升上，对可解释的探索比较少。但实际上，可解释性是提升用户信任、优化模型决策的关键，具有重要的研究价值，符合当前学术界对透明AI的迫切需求。

因此，想要在多模态领域拥有成果，可解释的多模态融合是个很好的选择。中山六院团队的可解释多模态融合模型Brim，以及Nature子刊上的可解释纵向多模态融合模型，都是近期非常值得参考的研究，推荐感兴趣的论文er研读。

我另外还准备了12篇可解释多模态融合新成果（有代码），方便找idea的同学做参考。实在没思路的话，推荐考虑细分领域（如医疗）的实际需求，从模型架构（如动态注意力）、评估指标（如跨模态解释一致性）或者应用验证（如伦理审查）切入。

全部论文+开源代码需要的同学看文末

An explainable longitudinal multi-modal fusion model for predicting neoadjuvant therapy response in women with breast cancer

方法：论文提出了一种可解释的多模态融合模型（MRP），结合乳腺X光、MRI影像、病理信息和临床数据，通过跨模态学习和时间信息嵌入，预测乳腺癌患者对新辅助治疗的反应，性能优于传统方法和人类专家。

创新点：

• 通过引入跨模态知识预测器，模型性能在内部和外部数据集上的表现显著提高。

• 通过决策曲线分析方法，结合患者和临床医生的偏好，评估了MRP模型在不同决策阈值下的临床效用。

• 通过时间信息嵌入，模型在处理纵向数据时表现更为优异。

Interpretable Multimodal Fusion Model for Bridged Histology and Genomics Survival Prediction in Pan-Cancer

方法：论文开发了一个可解释的多模态融合模型（Brim），通过整合全切片图像（WSIs）和基因组分子特征，以预测癌症患者的预后，该模型通过Transformer多实例学习和自正则化网络提升预测准确性。

创新点：

• Brim模型通过整合全切片图像（WSIs）和基因组分子特征，实现了泛癌患者的预后预测。

• 设计了桥接网络来学习配对的WSIs和基因组分子特征之间的关联，特别是在仅有WSIs的情况下预测缺失的分子信息。

• 使用了注意力和集成梯度归因分析等可解释性方法，分析了不同模型在泛癌预后预测中WSI补丁和基因组分子特征的贡献。

Explainable Multi-Modal Deep Learning With Cross-Modal Attention for Diagnosis of Dyssynergic Defecation Using Abdominal X-Ray Images and Symptom Questionnaire

方法：论文提出了一种可解释的多模态融合模型，结合腹部X光图像和症状问卷数据，通过跨模态注意力和卷积块注意力模块（CBAM）增强特征提取，并利用Grad-CAM和DeepSHAP技术解释模型决策，从而实现对出口梗阻性便秘（DD）的准确诊断。

创新点：

• 提出了一个解释性多模态深度学习模型，用于诊断排便障碍（DD）。

• 引入跨模态注意力机制（CMA）以增强多模态模型的性能，允许模型在不同模态之间选择性地聚焦和整合信息。

• 发明了掩蔽增强技术，以帮助模型忽略无关背景，更准确地聚焦于患者身体。

Crisiskan: Knowledge-infused and explainable multimodal attention network for crisis event classification

方法：论文提出了一种可解释的多模态融合模型（CrisisKAN），用于危机事件分类。该模型结合图像、文本和维基百科知识，通过引导式交叉注意力模块弥合图像与文本的语义差距，并利用Grad-CAM技术提供预测结果的可视化解释，从而在危机事件分类中实现更高的准确性和可解释性。

创新点：

• 提出了CrisisKAN，这是一种新颖的知识注入与解释性多模态注意力网络，用于分类危机事件。

• 引入了一种新的性能评估指标，称为多任务模型强度（MTMS）。

• 在模型中集成了一个解释性模块，结合使用了梯度加权类激活映射（Grad-CAM），以提供对模型预测的强大解释。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“可解释多模态”获取全部方案+开源代码

码字不易，欢迎大家点赞评论收藏