CALIFUSE 框架利用表征异质性提升病理图像分类校准度
热点事件持续更新
CALIFUSE 框架利用表征异质性提升病理图像分类校准度
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 11 月 20 日,arXiv 发布 CALIFUSE 框架,旨在解决病理全切片图像(WSI)分类中的不确定性问题。该框架融合多个基础模型,利用编码器间的表征异质性作为置信度线索进行估计。研究者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。实验表明,该方法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。
AI 根据报道生成 · 2 小时前更新
最新进展11月20日 13:00
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报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉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
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。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。