跳到正文
arXiv · 机器人与计算机视觉· Yekai Shen, Yuqian Wang, Zishun Liao, Rongsheng Wang, Wenting Chen, S. Kevin Zhou, Qingsong Yao·· 4 小时前AI 评分38

CALIFUSE:基于表征异质性的病理全切片图像分类校准不确定性框架

When Foundation Models Disagree: Representational Heterogeneity for Calibrated Uncertainty in Whole-Slide Image Classification

AI 导读

CALIFUSE 框架融合多个病理基础模型,利用编码器间的表征异质性作为置信度线索进行不确定性估计。该方法在冻结基础模型编码器的同时训练专用 nnMIL 分类器,无需额外融合模块即可提升七项 WSI 分类任务的校准度与误判检测能力。实验显示其相对于最强单编码器基线和朴素集成平均均实现了更优的平衡准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org