为缓解诊断模型黑箱化带来的可信度不足，研究者提出了多种可解释性方法。总体上，可解释性研究可分为内在可解释性与事后可解释性两类（Angelov et al., 2021）。前者强调模型结构或推理机制本身易于理解，常见于相对简单的模型；后者则在模型训练完成后再解释其行为，更契合深度神经网络的应用范式。