广义生物医学发现

arXiv:2610.00120v1 公告类型：新 摘要：在真实世界的临床实践中，医学图像面临开放世界的分布变化：（i）长尾稀有疾病；（ii）被正常解剖结构主导的细微病灶；以及（iii）层级化分类体系。然而，大多数开放世界范式都假设标签空间是扁平且均衡的，因而未能解决这些生物医学需求。我们提出了广义生物医学发现（Generalized Biomedicine Discovery，GBD）以及一个涵盖长尾、异常和分类体系感知发现的统一基准。我们的关键洞见是，占主导地位的已知模式会形成一个掩盖细微新颖性的视觉流形。受专家诊断启发，我们提出了 SCAN（Surprise-evoked Complementary AccommodatioN），遵循一种受认知启发的感知渐进过程：应用预测性抑制来过滤预期的正常模式，触发惊奇诱发的显著性以突出非预期偏差，并执行互补性调适，将这些变化整合到全局表征中。大量实验表明，SCAN 能够提升新颖概念发现能力，同时通常保留既有的临床知识；此外，它还可接入现有架构，从而更好地应对医学影像中已知与未知之间的权衡。代码可在 https://github.com/lytang63/generalized-biomedicine-discovery 获取。