MedSymmFlow：通过对称流匹配桥接医学影像中的生成模型与分类
计算机视觉与模式识别
2026-03-10 v1 人工智能
摘要
可靠的医学图像分类需要准确的预测和经过校准的不确定性估计，尤其是在高风险的临床环境中。本工作提出MedSymmFlow，一种基于对称流匹配构建的生成-判别混合模型，旨在统一医学影像中的分类、生成和不确定性量化。MedSymmFlow利用潜在空间表述，能够扩展到高分辨率输入，并引入语义掩码条件机制以增强诊断相关性。与标准判别模型不同，它通过其生成采样过程自然地估计不确定性。该模型在四个MedMNIST数据集上进行评估，涵盖多种模态和病理。结果表明，MedSymmFlow在分类准确率和AUC方面与既定基线相当，同时提供可靠的不确定性估计，通过选择性预测的性能提升进行验证。
引用
@article{arxiv.2507.19098,
title = {MedSymmFlow: Bridging Generative Modeling and Classification in Medical Imaging through Symmetrical Flow Matching},
author = {Francisco Caetano and Lemar Abdi and Christiaan Viviers and Amaan Valiuddin and Fons van der Sommen},
journal= {arXiv preprint arXiv:2507.19098},
year = {2026}
}
备注
DGM4MICCAI 2025