热点事件持续更新
CA-WCP：3D医学图像分割的类感知非对称加权共形预测
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月8日，arXiv（Computer Vision，一手来源）报道研究者提出CA-WCP，为3D医学图像分割提供带统计保证的不确定性量化。该方法结合潜空间密度比加权与方向分位数，并按验证集假阳性率与假阴性率为每个类别设定非对称因子。在BraTS 2020与合成多器官CT基准上的实验显示，95% Clopper–Pearson区间覆盖名义90%水平，区间宽度较对称加权共形预测缩减8–14%。目前公开信息仅含该报道，尚未见后续验证或独立复现结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
2026-10-08 arXiv报道CA-WCP，区间宽度较对称加权共形预测缩减8–14%。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv · Computer VisionCA-WCP：为 3D 医学图像分割提供类别感知非对称加权共形预测
研究者提出 CA-WCP，为 3D 医学图像分割提供带统计保证的不确定性量化。该方法结合潜空间密度比加权与方向分位数，并按验证集假阳性/假阴性率为每类设定非对称因子，在 BraTS 2020 与合成多器官 CT 基准上，95% Clopper–Pearson 区间覆盖名义 90% 水平，区间宽度较对称加权共形预测缩减 8–14%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。