CA-WCP：3D医学图像分割的类感知非对称加权共形预测
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- 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%。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.