Il pre-addestramento SSL migliora la previsione selettiva nello screening della retinopatia diabetica
Uno studio recente pubblicato su arXiv (2605.19133) esplora l'impatto della durata del pre-addestramento con apprendimento auto-supervisionato (SSL) sulla confidenza calibrata e sulla pratica dell'astensione basata sulla confidenza nella classificazione della retinopatia diabetica. Lo studio valuta vari checkpoint SSL utilizzando un approccio di fine-tuning coerente, concentrandosi su metriche come confidenza calibrata, copertura, accuratezza selettiva e macro-F1 selettivo. I risultati rivelano che il pre-addestramento SSL migliora la previsione selettiva rispetto ai modelli addestrati da zero in diversi dataset e condizioni. Questa ricerca si differenzia dagli studi precedenti che si concentravano sull'accuratezza downstream o sull'AUROC, esaminando invece come la durata del pre-addestramento SSL influenzi il comportamento della confidenza in relazione all'astensione per previsioni incerte, aspetto cruciale per i compiti di screening che richiedono valutazione clinica.
Fatti principali
- Lo studio esamina l'effetto della durata del pre-addestramento SSL sulla confidenza calibrata e sull'astensione
- Valuta molteplici checkpoint SSL con un protocollo di fine-tuning fisso
- Le metriche includono confidenza calibrata, copertura, accuratezza selettiva, macro-F1 selettivo
- Il pre-addestramento SSL migliora la previsione selettiva rispetto all'addestramento da zero
- Si concentra sulla classificazione della retinopatia diabetica come compito critico per la sicurezza
- Studi SSL precedenti valutano principalmente l'accuratezza downstream o l'AUROC
- L'articolo è disponibile su arXiv con ID 2605.19133
- La ricerca sottolinea la necessità che i modelli deferiscano i casi incerti ai clinici
Entità
Istituzioni
- arXiv