《Medical Image Analysis》：Beyond attention heatmaps: How to get better explanations for multiple instance learning models in histopathology
编辑推荐：
米娜·贾姆希迪·伊达吉（Mina Jamshidi Idaji）|朱利叶斯·亨塞（Julius Hense）|汤姆·诺伊豪泽（Tom Neuh?user）|奥古斯丁·克劳泽（Augustin Krause）|罗彦青（Yanqing Luo）|奥利弗·埃伯勒（Oliver Eber
米娜·贾姆希迪·伊达吉（Mina Jamshidi Idaji）|朱利叶斯·亨塞（Julius Hense）|汤姆·诺伊豪泽（Tom Neuh?user）|奥古斯丁·克劳泽（Augustin Krause）|罗彦青（Yanqing Luo）|奥利弗·埃伯勒（Oliver Eberle）|托马斯·施纳克（Thomas Schnake）|劳雷·切尔尼克（Laure Ciernik）|法尔努什·雷扎伊·贾法里（Farnoush Rezaei Jafari）|雷扎·瓦希迪马吉德（Reza Vahidimajd）|乔纳斯·迪佩尔（Jonas Dippel）|克里斯托夫·瓦尔兹（Christoph Walz）|弗雷德里克·克劳申（Frederick Klauschen）|安德烈亚斯·莫克（Andreas Mock）|克劳斯-罗伯特·穆勒（Klaus-Robert Müller）
- •
我们提出了一种通用框架，用于评估机器学习（MIL）热图的质量，而无需额外的标签。
- •
机器学习解释方法在多个数据集、架构、基础模型和任务类型（分类、回归、生存分析）上进行了系统的基准测试。
- •
扰动（“Single”）、逐层相关性传播（LRP）和集成梯度（IG）在性能上始终优于常用于计算组织病理学的基于注意力的热图。
- •
我们在两个实际应用案例中展示了表现最佳的解释方法的高级功能：（1）使用空间转录组学真实数据验证机器学习生物标志物模型；（2）揭示用于头颈癌切片中HPV预测的不同模型策略。
