论文
CoFailMed以失败相关性审计医学分割预训练编码器池
Different Models, Shared Failures: Auditing Frozen-Encoder Pools for Medical Segmentation
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情况下失败。我们提出了 CoFailMed，这是对用于医学分割的预训练编码器池中相关失败的审计。在五个 2D 任务中，我们使用冻结特征和单独训练的 1×1 读出层（每个编码器有四个种子）评估 11 个公共预训练编码器（受控样本，而非对全部编码器的穷举）。共享检查点对具有最高的平均每个案例 Dice 相关性。扩展的 17 个编码器分析表明，同一编码器家族中的不同检查点仍然比跨家族对更相关。在汇集的 Dice 第 33 百分位阈值处，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，这是根据每个成员具有足够失败和成功样例的池中的失败相关性估计的。在主池中，表达能力更强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会增加，并且微调并不能始终如一地增加为每个训练配方重新计算的 第 33 百分位阈值的有效池大小。较小的组间差距可以与较大的依赖性共存。因此，池评估应报告绝对依赖性和阈值特定的有效规模以及准确性和名义池大小。 CoFailMed 版本提供了对齐的每个案例跟踪、分析脚本和研究代码，以重现核心审计结果。
