域转移下乳腺 X 线摄影基础模型的鲁棒性基准测试

基础模型越来越多地用作乳腺 X 线摄影的图像特征提取器，但其在外部域转移下的鲁棒性仍不清楚。我们使用统一的冷冻骨干线性探针协议对乳腺密度、BI-RADS 严重程度和癌症状态的 15 个基础模型骨干进行基准测试，对 3 个源数据集进行训练，并在标签协调后对 12 个任务兼容的分布外 (OOD) 数据集进行评估。乳腺 X 线摄影特定的视觉语言模型（Mammo-FM 和 MaMA）提供最强的平均 OOD 性能，但鲁棒性并不能仅通过乳腺 X 线摄影曝光来解释。 DINOv3 仍然是一个有竞争力的仅视觉基线，并且适应乳房 X 线摄影的预训练并不能持续提高泛化能力。数据集级分析进一步表明，即使是领先的模型也显示出跨数据集的异构性能。特征空间检查表明，有用的表示可以保留临床信号，同时保留数据集和采集结构。这些发现强调数据集级 OOD 评估是评估乳腺 X 线摄影表征的核心标准。我们的代码是公开的：https://github.com/biomedia-mira/mammo-ood。