单目结肠镜皮肤瘤大小评估中的模型行为理解
计算机视觉与模式识别
2026-05-21 v1
摘要
准确的皮肤瘤大小分层指导随访决策，大于5 mm的病灶通常需要更密切的随访。然而，单目结肠镜缺乏可靠的度量参考。我们对二分类皮肤瘤大小分类(<=5 mm vs. >5 mm)进行了跨多个公共多中心数据集、模型家族和患者分层交叉验证的诊断审计。在各种架构和输入模态(包括RGB外观、相对深度和光度)中，模型性能在中等程度上保持一致，这表明模型可能依赖于与检查行为相关的线索，而非真正的度量尺度。通过提供不同细粒度的真实尺度，我们量化了从完美尺度信息中可能获得的改进潜力，表明当前深度估计和全局标定仅提供有限的提升。我们进一步演示，在分布迁移下，分割误差消除了大部分潜在提升，唯有在预测掩码下的神经尺度仅能恢复基准性能。这一结果凸显了度量尺度和掩码鲁棒性作为两个独立瓶颈，提供了诸如神经尺度梯梯、捷径分区和掩码置换等可用于审计未来皮肤瘤大小管道的可重用评估工具。我们的代码已公开 accessible at https://github.com/anaxqx/polyp-sizing-audit.。
引用
@article{arxiv.2605.20461,
title = {Understanding Model Behavior in Monocular Polyp Sizing},
author = {Xinqi Xiong and Andrea Dunn Beltran and Junmyeong Choi and Sarah K. McGill and Marc Niethammer and Roni Sengupta},
journal= {arXiv preprint arXiv:2605.20461},
year = {2026}
}