FireGNNは、医療画像分類用に開発された解釈可能なグラフベースの学習フレームワークです。 FireGNNはトレーニング可能なファジールールをグラフニューラルネットワーク（GNN）に統合し、臨床的信頼性と利用率を高めます。このフレームワークは、ノード次数、クラスタ係数、ラベルマッチングなどの位相特性を学習可能なしきい値とシャープネスパラメータを使用して埋め込み、暗黙的な記号的推論を可能にします。さらに、位相学習の寄与を評価するために、同質性予測や類似性エントロピーなどの補助磁気マップ学習タスクを探索します。 FireGNNは、5つのMedMNISTベンチマークと合成データセットMorphoMNISTで強力なパフォーマンスを達成し、解釈可能なルールベースの説明を生成します。
