CoFailMed 审计医疗分割预训练编码器池的相关性失效
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载审计对象与方法
论文关注的问题是：平均分割精度和模型数量无法说明多个模型是否在同一批病例上出错。为此作者构建 CoFailMed，对医疗分割预训练编码器池中的相关性失效进行审计。实验覆盖五个 2D 任务，选取 11 个公开预训练编码器作为受控样本而非全量普查，统一使用冻结特征，并为每个编码器单独训练 1×1 读出层，每个编码器跑四个随机种子，以便在逐病例层面观察失败是否同步发生。
家族内与跨家族的相关性
结果显示，共享检查点的配对在逐病例 Dice 相关性上均值最高。作者把分析扩展到 17 个编码器后进一步发现，同一编码器家族内的不同检查点之间，相关性依然高于跨家族配对。这意味着仅靠更换同一家族的权重，难以获得真正分散的失败模式。
有效池规模与阈值
在合并后的第 33 百分位 Dice 阈值下，由不同编码器组成的四成员池，其平均有效规模只有 1.56 至 2.92，该估计基于池内每个成员都有足够失败与通过案例的失败相关性计算。作者还观察到，更丰富的读出层和微调会缩小共享检查点配对（或 DINOv2-B/S 发布版本）与其他配对之间的 Dice 相关性差距，但不同编码器之间的依赖可能同时上升；在按各训练配方重新计算的 33 百分位阈值下，微调并未稳定提升有效池规模。组间差距变小可以与更大依赖并存。
评估建议与发布内容
作者据此提出，池化评估除报告精度和名义池规模外，还应给出绝对依赖程度与特定阈值下的有效规模。CoFailMed 发布包含对齐后的逐病例轨迹、分析脚本与研究代码，用于复现核心审计结果。论文共 47 页、8 张图，被 NeurIPS 2026 评估与数据集方向接收。
为什么值得看
提醒做医疗分割集成与模型选型的人：模型数量多、平均精度高，并不等于失效分散，需报告绝对依赖与阈值相关有效规模。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。