arXiv cs.AI· Eunseob Choi, Kyeonghun Kim, Hyuk-Jae Lee, Nam-Joon Kim·· 10 小时前AI 评分26
CoFailMed 审计医疗分割预训练编码器池的相关性失效
Different Models, Shared Failures: Auditing Frozen-Encoder Pools for Medical Segmentation
AI 导读
CoFailMed 审计了医疗分割预训练编码器池的相关性失效，在五个 2D 任务上评估 11 个公开预训练编码器，采用冻结特征加独立训练的 1×1 读出层、每个编码器四个随机种子。
正文 · AI 翻译
摘要：平均分割精度和模型数量并不能揭示模型是否在相同的案例上失败。我们提出 CoFailMed，对医学分割预训练编码器池中的相关失败进行审计。在五个 2D 任务中，我们使用冻结特征和分别训练的 $1\times 1$ 读出层，每个编码器使用四个随机种子，评估了 11 个公开预训练编码器（受控样本，而非普查）。共享检查点对的平均逐案例 Dice 相关性最高。一项扩展的 17 编码器分析表明，同一编码器家族内的不同检查点之间的相关性仍高于跨家族对。在合并的 33 百分位 Dice 阈值下，从不同编码器抽取的四成员池的平均有效规模为 1.56-2.92，该值由每个成员有足够失败和通过案例的池中的失败相关性估计得出。在主要池中，更丰富的读出层和微调缩小了共享检查点（或 DINOv2-B/S 版本）的对与所有其他对之间的 Dice 相关性差距。然而，不同编码器之间的依赖性可能增加，并且针对每种训练配方重新计算的 33 百分位阈值下，微调并不能一致地增加有效池规模。较小的组间差距可以与更大的依赖性共存。因此，池评估应在报告精度和名义池规模的同时，报告绝对依赖性和特定阈值下的有效规模。CoFailMed 发布版提供对齐的逐案例轨迹、分析脚本和研究代码，以复现核心审计结果。
| 评论： | 被 NeurIPS 2026 的评估与数据集方向接收。47 页，8 幅图。代码和数据：此 https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.41790 [cs.CV] |
| （或 arXiv:2610.41790v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41790 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Eunseob Choi [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 14:21:52 UTC（1,326 KB）
来源：arXiv cs.AI · arxiv.org