在醫學影像分類領域，緊湊型模型的效率和可解釋性往往難以兼顧。近日，一項名為qZACH-ViT的研究提出了一種量化感知的緊湊型醫學圖像分類器，通過創新的遞歸歸因穩定優化（RASO）技術，在保持高性能的同時顯著提升了模型的可解釋性。該研究由Athanasios Angelakis等人完成，論文已提交至arXiv（編號2607.15421）。
qZACH-ViT是ZACH-ViT骨幹網絡的量化感知擴展版本。ZACH-ViT本身是一種無需類別令牌（CLS-token）和無位置編碼的視覺Transformer架構，通過遞歸的內在補丁級類別證據實現解釋。qZACH-ViT在此基礎上引入量化感知訓練，使得模型能夠部署為混合精度INT8格式，具體表現為將210個檢查點轉換為包含16個有符號INT8 MatMulInteger投影（INT32累加）的可執行ONNX圖。
研究團隊還提出了遞歸歸因穩定優化（RASO），該方法通過歸一化匹配分類梯度和歸因梯度，並移除與分類相沖突的歸因成分，從而提升解釋的穩定性和質量。在實驗中，研究人員在七個MedMNIST數據集上設置了四種受控條件，每類僅使用50張訓練圖像和十個固定隨機種子，共計完成280次運行。結果表明，採用Adam優化器的混合精度INT8 qZACH-ViT在所有數據集上均優於FP32 ZACH-ViT基線，平均配對增益為0.0313（按數據集特定主要指標計算）；而結合RASO後，平均增益進一步達到0.0368。
在模型部署方面，ONNX工具體積比原始檢查點縮小70%，端到端CPU推理速度提升1.41倍（單線程）和2.39倍（四線程）。在964,920次原模型到INT8模型的測試比較中，預測一致性高達99.9751%，主要指標的平均絕對變化僅為0.000133，最大變化為0.004386。此外，在3,600對匹配的內在歸因圖中，平均餘弦相似度為0.999955，平均秩相關性為0.9944，平均前10%重疊率為0.9692。
值得注意的是，RASO在充分性誤差和輸入噪聲穩定性方面顯著優於使用相同歸因損失的Adam，但並非在所有預測或可解釋人工智能（XAI）指標上都佔優。這些結果確立了qZACH-ViT作為可部署的緊湊型內在可解釋模型，而RASO則作為一種針對穩定性的優化程序。該研究為醫學圖像分類的實用化部署提供了新的思路，平衡了效率、可解釋性和準確性。