DMDSC：用于医学图像数据集的基于动态边际的深度单纤片分类器
计算机视觉与模式识别
2026-05-04 v1
摘要
医学成像数据集常以极端类别不平衡形式出现，其中罕见病灶的样本显著少于常见疾病。这一不平衡为开放集识别 (OSR) 提出双重挑战：模型必须在已知类别上保持高分类准确率，同时可靠地拒绝临床应用中未见的未知样本。虽然最近提出的深度单纤片分类器 (DSC) 和不确定性感知深度单纤片分类器 (UCDSC) 成功利用神经崩溃实现最大类别间分离，但它们依赖统一的边际，无法考虑医学类别密度的差异。本文提出 DMDSC，一种包含动态边际方法的增强框架。该方法根据标签频率自动调整类别特定边际，对罕见病灶实施更高的惩罚和更紧密的特征聚类，以抵消数据不平衡的影响。在血红素数据集 (BloodMNIST)、OCT 眼底图像数据集 (OCTMNIST)、皮肤色素瘤数据集 (DermaMNIST) 和乳腺癌组织图像数据集 (BreaKHis) 上进行的大规模实验表明，我们的框架在各类医学基准上均超越了最先进的方法。
引用
@article{arxiv.2605.00675,
title = {DMDSC: A Dynamic-Margin Deep Simplex Classifier for Open-Set Recognition on Medical Image Datasets},
author = {Vishal and Arnav Aditya and Nitin Kumar and Saurabh J. Shigwan},
journal= {arXiv preprint arXiv:2605.00675},
year = {2026}
}