Временная атрибуция в стохастических диффузионных процессах: математическая формализация, объяснимость и каузальная валидация

Трофимов, Ю.В. и Аверкин, А.Н. и Лопатин, М.А. и Трусов, И.А. и Муравьев, И.П. и Ильин, А.С. и Шевченко, А.В. (2026) Временная атрибуция в стохастических диффузионных процессах: математическая формализация, объяснимость и каузальная валидация. Вестник ТвГУ. Серия: Прикладная математика (1). С. 89-137. ISSN 1995-0136

[thumbnail of ПРИКЛАДНАЯ МАТЕМАТИКА_1_2026_печать-89-137.pdf]

PDF - Опубликованная версия
2MB

Абстракт

В работе решается проблема объяснимости диффузионных моделей типа DDPM для медицинской диагностики через разработку математически строгой системы временной атрибуции. Существующие методы XAI не учитывают стохастическую динамику итеративных генеративных процессов и специфику формирования диагностически значимых признаков в процессе денойзинга. Предложена адаптация фреймворка TimeSHAP [54] для диффузионных процессов — метод TimeSHAP-Diff, расширяющий классические значения Шепли на временную размерность стохастических генеративных моделей через временную функцию ценности : 2 → R. Доказана математическая консистентность подхода через выполнение аксиом эффективности, симметрии, нулевого игрока и аддитивности. Экспериментальная валидация на датасете ISIC2018 (10,015 дерматоскопических изображений, 7 классов) продемонстрировала эффективность диффузионной компенсации дисбаланса классов: коэффициент дисбаланса снижен с 58.30 до 1.49 (улучшение 97.4%), accuracy повышена с 93.2% до 97.1%. Оптимально сбалансированный датасет обеспечил 100% выполнение аксиом Шепли против 42.9% для синтетических данных. Каузальная валидация через контрафактуальные интервенции подтвердила статистически значимую разность влияния регионов важности (∆CFI=0.711, p<0.001). Выявлены класс-специфичные временные профили формирования диагностических признаков: раннее проявление для меланомы ( ≈ 900) и запаздывающая консолидация для редких классов (t>950). Практическая значимость подтверждается созданием открытых систем SYNT_ISIC и CAS_ISIC с полной воспроизводимостью результатов для клинических приложений

Абстракт (англ.)

A mathematically rigorous causal interpretation framework for DDPMbased dermatological diagnosis is developed. Original ISIC2018 dataset exhibited critical class imbalance (melanoma 11.1%, skin types IV-VI ¡2%), necessitating architectural DDPM core modification with attention-aware scheduler, noise-offset correction and generation of 8000 synthetic dark-skin samples for racial bias mitigation

Тип объекта:	Статья
Сведения об авторах:	. Трофимов Юрий Владиславович ассистент кафедры государственного университета «Дубна»; инженер-программист Объединённого института ядерных исследований. Россия, 141980, г. Дубна Московской обл., ул. Университетская, д. 19, Университет «Дубна» Аверкин Алексей Николаевич ведущий научный сотрудник ФИЦ «Информатика и управление» РАН; доцент, ведущий научный сотрудник государственного университета «Дубна». Россия, 119333, г. Москва, ул. Вавилова, 44/2, ФИЦ ИУ РАН. Лопатин Максим Алексеевич студент государственного университета «Дубна». Россия, 141980, г.Дубна Московской обл., ул. Университетская, д. 19, Университет Дубна Трусов Иван Александрович студент государственного университета «Дубна». Россия, 141980, г.Дубна Московской обл., ул. Университетская, д. 19, Университет «Дубна». Муравьев Иван Павлович студент государственного университета «Дубна». Россия, 141980, г.Дубна Московской обл., ул. Университетская, д. 19, Университет «Дубна» Ильин Андрей Сергеевич студент университета Иннополис; студент государственного университета «Дубна». Россия, 420500, Республика Татарстан, г. Иннополис. Шевченко Алексей Валерьевич ассистент кафедры государственного университета «Дубна». Россия, 141980, г.Дубна Московской обл., ул. Университетская, д. 19, Университет «Дубна»
Ключевые слова:	диффузионные процессы, причинно-следственный вывод, временной сдвиг, интервенционный анализ, стохастическая аппроксимация, медицинская диагностика
Ключевые слова (англ.):	diffusion processes, causal inference, Time-SHAP, interventional analysis, stochastic approximation, medical diagnosis
Категории:	0 Общий отдел 0 Общий отдел > 00 Общие вопросы науки и культуры 0 Общий отдел > 00 Общие вопросы науки и культуры > 004 Информационные технологии. Вычислительная техника 0 Общий отдел > 00 Общие вопросы науки и культуры > 004 Информационные технологии. Вычислительная техника > 004.8 Искусственный интеллект
Подразделения:	Другие организации > Федеральный исследовательский центр «Информатика и управление» РАН Институты, НИИ > Объединенный институт ядерных исследований, г.Дубна Университеты > Государственный университет «Дубна», г. Дубна Университеты > Университет Иннополис, г. Иннополис
ID Code:	15474
Deposited On:	02 Июн 2026 07:32
Последнее изменение:	02 Июн 2026 07:32

Repository Staff Only: item control page