RETFound 的不确定性感知最后一层适应数据集转移下的可参考糖尿病视网膜病变筛查

本文提出了一种以安全为中心的实证评估，使用 RETFound（此处用作冻结特征编码器的自监督视觉 Transformer 视网膜基础模型）以及公共 APTOS 2019 和 DDR 糖尿病视网膜病变眼底图像数据集，对可参考糖尿病视网膜病变筛查的不确定性感知最后一层适应进行了实证评估。我们比较了缓存特征 Softmax 头、事后温度缩放、变分贝叶斯最后层头、对角线拉普拉斯最后层近似和 SNGP 式缓存特征头。在 APTOS 上，不确定性感知操作点提高了灵敏度和选择性转介行为。最强的 APTOS 选择性转诊结果推迟了大约 20% 的病例，并将接受病例的假阴性减少到零，同时保持了较高的接受病例特异性。然而，阈值调整也以高假阳性成本减少了假阴性，因此仅假阴性减少并不是贝叶斯建模所独有的。在 DDR 上，原生贝叶斯头定性地再现了 APTOS 方向，但权衡较弱，而 APTOS 训练的 SNGP 检查点传输效果较差，无法提供有用的外部选择性推荐行为。这些结果凸显了以安全为中心的评估超越总体准确性的价值：不确定性感知的最后一层头可以改善内部以安全为导向的操作点，但值得信赖的视网膜筛查声明需要明确的安全覆盖率评估和轮班下的第二数据集验证。