arXiv cs.CY· Lisa Y. W. Tang·· 12 小时前AI 评分34
从 Canon 到 Nikon：视网膜 AI 中的相机域偏移与潜在公平性影响
From Canon to Nikon: Camera Domain Shift and Potential Equity Implications in Retinal AI
AI 导读
在 8,524 名巴西患者的队列中，Nikon NF5050 拍摄的视网膜图像质量不合格的概率是 Canon CR-2 的两倍以上，而翻新 Canon 系统的成本反而是 Nikon 系统的两倍多。
正文 · AI 翻译
摘要：糖尿病视网膜病变是可预防性失明的主要原因之一，然而全球范围内定期筛查的可及性仍然有限。AI 提供了一种可扩展的方法，但其性能可能对图像质量和采集条件较为敏感。在一个包含 8,524 名患者的巴西队列中，使用 Nikon NF5050 采集的视网膜图像出现图像质量不合格的可能性是使用 Canon CR-2 采集图像的两倍以上，尽管翻新 Canon 系统的成本是 Nikon 系统的两倍以上。这种潜在的成本与质量权衡凸显了在异构成像系统上部署 AI 系统时可靠性的一个重要考量。我们使用一个冻结的预训练视网膜基础模型，系统性地评估了相机相关的性能差异是否在 12 项视网膜疾病分类任务、四种输入分辨率和五种下游分类器中持续存在。我们发现，相机相关的性能差异在不同任务之间差异很大，而且更高的输入分辨率或分类器的选择都不能持续缓解跨相机的差异。这些发现表明，相机平台是一个可能被忽视的性能变异来源，对在异构成像系统上部署视网膜 AI 的安全性和可靠性具有影响。我们在 GitHub 上发布了所有源代码、评估脚本和逐任务结果，以支持可复现的基准测试。
| 学科： | 计算机视觉与模式识别 (cs.CV)；计算机与社会 (cs.CY) |
| 引用为： | arXiv:2610.29104 [cs.CV] |
| （或 arXiv:2610.29104v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29104 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lisa Y.W. Tang [查看电子邮件]
[v1]
2026年10月21日 星期三 02:47:39 UTC（1,682 KB）
来源：arXiv cs.CY · arxiv.org