研究者提出 CANDOR 医学影像指标

Soroosh Tayebi Arasteh、Sven Nebelung 和 Daniel Truhn 提出 CANDOR，用于在不训练分类头的情况下评估冻结视觉编码器对医学影像标签的分离能力；论文报告称，在涵盖 7 个领域、8 项任务的 22 个编码器评估中，每项任务表现最好的编码器得分均低于 1/2。 CANDOR 以邻域不一致性为基础：当正、负候选集大小相等时，无标签信息的特征得分以 1/2 为机会水平。论文还报告称，在 MIMIC-CXR 和 CheXpert 的 12 项胸部影像发现上，使用大小不等的候选集时，11 个胸部编码器的得分均高于 1/2，范围为 0.732 至 0.927。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。