PulseAugur
中
实时 09:25:09
English(EN) Explanation Stability of Test-Time Adaptation in Computational Pathology: A Large-Scale Benchmark

病理学模型中的测试时适应会破坏解释的稳定性

作者 PulseAugur 编辑部 · [1 个来源] ·

一项关于计算病理学中测试时适应（TTA）的新基准研究表明，虽然 TTA 方法提高了模型的准确性，但它们会显著改变模型的解释。研究人员发现，冻结骨干的 TTA 方法对解释的漂移影响最小，而 CoTTA 和 RoTTA 等持续方法则导致最大的变化。研究还强调，与 transformer 和基础模型相比，卷积网络对解释漂移更敏感，并且解释稳定性与适应质量的关联性很弱，这可能导致临床应用中的静默故障。 AI

影响 突出了临床环境中 AI 模型的一个关键可靠性问题，表明需要超越准确性的新评估指标。

排序理由 该项目是一篇研究论文，详细介绍了计算病理学中解释稳定性的基准研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

病理学模型中的测试时适应会破坏解释的稳定性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · R. G. Bahumanya, Harshith V. M., Shreyank N. Gowda, Anala M. R ·

    计算病理学中测试时适应的解释稳定性：一项大规模基准测试

    arXiv:2608.07062v1 Announce Type: new Abstract: Test-time adaptation (TTA) has become a practical way to adapt deployed models to unlabeled target data, a setting that is especially relevant in computational pathology where staining, scanner, and cohort shifts are routine. While …

相关实体

相关话题