SAM-Sode: un framework XAI migliora l'interpretabilità del rilevamento di batteri minuscoli

È stato introdotto un nuovo framework di intelligenza artificiale spiegabile chiamato SAM-Sode per migliorare l'interpretabilità del rilevamento di batteri minuscoli nella diagnostica clinica. Le tecniche di spiegazione convenzionali spesso affrontano sfide come bordi del primo piano poco chiari e attribuzione vaga delle caratteristiche, in gran parte a causa dell'estrema scarsità delle caratteristiche morfologiche target e della complessità del rumore di fondo. SAM-Sode converte le mappe di attribuzione delle caratteristiche iniziali in prompt geometricamente consapevoli, utilizzando la conoscenza esistente del modello fondamentale SAM3 per il raffinamento spaziale e la ricostruzione morfologica. Impiega un approccio a doppio vincolo basato sulla rilevanza fisica e l'allineamento geometrico per eseguire la denoising a livello di istanza, ottenendo spiegazioni coerenti. Questo framework soddisfa la domanda essenziale di prove morfologiche logicamente coerenti nell'imaging medico. I risultati sono pubblicati nel preprint arXiv 2605.21186.