虚拟染色的恰当评分规则
机器学习
2026-02-27 v1
摘要
基于生成模型的虚拟染色(VS)模型用于高通量筛选(HTS)可为每个输入细胞提供可能的生物特征值的后验分布估计。然而，在评估 VS 模型时，真实后验分布不可用。现有的评估协议仅检查数据集上边际分布的准确性，而非预测的后验分布。我们引入信息增益(IG)作为细胞级评估框架，使可直接评估预测的后验分布。IG 是严格的恰当评分规则，具有可解释性，能够用于跨模型和特征比较。我们使用 IG 及其他指标对基于扩散模型和GAN模型在广泛HTS数据集上进行评估，发现IG 能揭示其他指标无法察觉的显著性能差异。
引用
@article{arxiv.2602.23305,
title = {A Proper Scoring Rule for Virtual Staining},
author = {Samuel Tonks and Steve Hood and Ryan Musso and Ceridwen Hopely and Steve Titus and Minh Doan and Iain Styles and Alexander Krull},
journal= {arXiv preprint arXiv:2602.23305},
year = {2026}
}