weak-supervision

深度分析

校準 BiomedCLIP 弱標註：醫學影像中的噪音標籤轉折與決策規則

研究以BiomedCLIP將大型視覺-語言模型作為弱標註，校準三個醫學影像基準的噪音標籤轉折位置。比較多種下游架構並提出可用十至二十個金標判定是否採用弱標註的決策規則。結果在三個資料集複現轉折現象，超過轉折後加入弱標註會降低AUC。研究亦比較結構性與隨機錯誤的差異，指出評估邊界需納入標籤空間投影。