CF-NODE框架在5个DR数据集验证

arXiv cs.lg 板块 2026 年 10 月 19 日出现关于跨域糖尿病视网膜病变（DR）测试时适应框架 CF-NODE 的一手报道。 该框架旨在解决源模型在跨域 DR 分级任务中的性能退化问题，其核心机制是利用预期等级响应的稳定性进行有界校准，通过逐步衰减模型衍生注意力、特征幅值以及节点集相似性排名靠前的内部空间节点。 在技术实现上，CF-NODE 采用完全冻结的模型状态，独立适应每一张图像。该过程仅使用几何视图和固定的源衍生先验，不依赖目标衍生信息或模型更新。 在五个外部 DR 数据集的重复种子评估中，CF-NODE 在 AUC 和 macro-F1 指标上超越 TENT、EATA、SAR、T3A 四种方法，且在所有目标域均实现改进。

AI 根据报道生成 · 7 小时前更新