From Prototypes to Sparse ECG Explanations: SHAP-Driven Counterfactuals for Multivariate Time-Series Multi-class Classification
从原型到稀疏ECG解释：基于SHAP的反事实解释用于多变量时间序列多类分类
机构 * Jagiellonian Human-Centered AI Lab, Mark Kac Center for Complex Systems Research（杰哥利昂人中心人工智能实验室、马克·卡复杂系统研究中心） ； Jagiellonian University（杰哥利昂大学） ； Department of Computer Science（计算机科学系） ； Norwegian University of Science and Technology (NTNU)（挪威科学技术大学（NTNU）） ； Department of Human-Centered Artificial Intelligence（人中心人工智能系） ； Institute of Applied Computer Science（应用计算机科学研究所） ； School of Information Technology（信息科技学院）
专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文提出基于SHAP的原型驱动框架，用于生成稀疏且有效的ECG反事实解释，提升多变量时间序列多类分类的可解释性与临床实用性。
