यह अध्ययन एमआरआई व्याख्या की दक्षता और निष्पक्षता में सुधार करने के लिए डीप लर्निंग और व्याख्यात्मक एआई (XAI) तकनीकों का उपयोग करते हुए एक स्वचालित क्षेत्र-रुचि (ROI) पहचान प्रणाली प्रस्तुत करता है, जो घुटने की चोटों के मूल्यांकन के लिए आवश्यक है। ResNet50, InceptionV3, Vision Transformers (ViT), और विभिन्न U-Net वेरिएंट सहित विभिन्न डीप लर्निंग आर्किटेक्चर का मूल्यांकन पर्यवेक्षित और स्व-पर्यवेक्षित शिक्षण विधियों का उपयोग करके किया गया था। xAI तकनीकें, जैसे Grad-CAM और Saliency Maps, व्याख्या को बढ़ाने के लिए एकीकृत की गई थीं। प्रदर्शन का मूल्यांकन वक्र के नीचे के क्षेत्र (AUC) (वर्गीकरण), PSNR/SSIM (पुनर्निर्माण गुणवत्ता), और गुणात्मक ROI विज़ुअलाइज़ेशन का उपयोग करके किया गया था निष्कर्षतः, इस डेटासेट पर CNN-आधारित स्थानांतरण अधिगम सबसे अधिक प्रभावी रहा, तथा भविष्य में बड़े पैमाने पर पूर्व-प्रशिक्षण के माध्यम से ट्रांसफॉर्मर मॉडल के प्रदर्शन में वृद्धि अपेक्षित है।
