arXiv cs.AI· Sonja Topf, Ana Sanchez-Fernandez, G\"unter Klambauer·· 12 小时前AI 评分20
BatchBench：评估 AI 在生物医学图像批次效应与域偏移下鲁棒性的基准榜单
BatchBench: Benchmarking AI Robustness to Batch Effects and Domain Shift in Biomedical Images - A JUMP Cell Painting Leaderboard
AI 导读
BatchBench 是一个基于 JUMP-CP 数据集构建的排行榜，用于评估和比较 AI 系统在未见实验批次与数据来源的生物医学图像上的鲁棒性。JUMP-CP 由 Cell Painting 检测生成，具有明显的批次效应和域偏移，构成检验分布变化鲁棒性的高难度测试平台。
正文 · AI 翻译
摘要：尽管近期取得了进展，当前的人工智能系统仍然极易受到领域偏移的影响，尤其是在生物医学成像领域，图像通常是在差异显著的实验条件下采集的。虽然近期的领域自适应方法已取得实质性进展，但在领域偏移下的显著性能差距依然存在。为了衡量这方面的进展，我们推出了 BatchBench，这是一个排行榜，用于评估和比较人工智能系统在来自未见实验批次和数据源的生物医学图像上的鲁棒性。BatchBench 基于 JUMP-CP 构建，后者是最大的公开生物医学成像数据集之一。JUMP-CP 使用 Cell Painting 检测法生成，表现出明显的批次效应和领域偏移，使其成为评估对分布变化鲁棒性的具有挑战性的测试平台。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.30104 [cs.LG] |
| （或 arXiv:2610.30104v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30104 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ana Sanchez-Fernandez [查看邮箱]
[v1]
2026年10月21日 星期三 17:50:22 UTC（183 KB）
来源：arXiv cs.AI · arxiv.org