arXiv cs.CV· Fabian Drexel, Bernhard Kainz, Jakob N. Kather, Daniel Rueckert, Lisa C. Adams, Keno K. Bressem, Cosmin I. Bercea·· 1 天前AI 评分29
TAP-JEPA 研究揭示医学影像中联合嵌入预测学习的可预测性偏差
The Predictability Bias of Joint-Embedding Predictive Learning in Medical Imaging
AI 导读
研究提出 TAP-JEPA，一个在 113,611 个 CT 体积上训练的 ViT-B/3D 模型，在扫描级分类上与 COLIPRI、Merlin、VoxelFM 等 SOTA 编码器相当。审计发现，预测使病理的 Skill 从 0.388 降至 0.271，而解剖结构仅从 0.921 降至 0.873，表明上下文可预测性不足以作为医学表征学习临床相关性的代理指标。
来源：arXiv cs.CV · arxiv.org