FireGNN은 의료 영상 분류를 위해 개발된 해석 가능한 그래프 기반 학습 프레임워크입니다. FireGNN은 훈련 가능한 퍼지 규칙을 그래프 신경망(GNN)에 통합하여 임상적 신뢰도와 활용도를 높입니다. 이 프레임워크는 노드 차수, 클러스터 계수 및 레이블 일치도와 같은 위상적 특징을 학습 가능한 임계값과 선명도 매개변수를 사용하여 임베딩하여 내재적 기호적 추론을 가능하게 합니다. 또한, 위상적 학습의 기여도를 평가하기 위해 동질성 예측 및 유사성 엔트로피와 같은 보조 자기 지도 학습 작업을 탐색합니다. FireGNN은 다섯 개의 MedMNIST 벤치마크와 합성 데이터 세트 MorphoMNIST에서 강력한 성능을 달성하며 해석 가능한 규칙 기반 설명을 생성합니다.
