본 논문은 의료 영상 분석 등 신뢰성이 중요한 분야에서 딥러닝 모델의 블랙박스 문제를 해결하기 위해, 설명 가능성을 학습 과정에 직접 통합한 새로운 딥러닝 아키텍처인 DxANN(Deeply Explainable Artificial Neural Network)을 제시합니다. DxANN은 흐름 기반 프레임워크를 기반으로 하며, 기존의 사후적 설명 가능성 방법과 달리 순전파 과정에서 샘플 및 특징별 설명을 생성합니다. 의료 영상 분석에 초점을 맞추고 있지만, 표 형식 및 시계열 데이터 등 다른 데이터 유형에도 적용 가능합니다. 정확한 예측과 투명한 의사 결정을 동시에 가능하게 하여, 신뢰성과 책임성이 중요한 응용 분야에 실용적인 해결책을 제공합니다.
