TAP-JEPA揭示医学影像预测学习偏差

1. 12:00
   arXiv cs.CV

   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

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。