arXiv · cs.AI· Sonja Topf·· 6 天前AI 评分15
BatchBench：基于 JUMP Cell Painting 的生物医学图像批效应与域偏移鲁棒性基准
BatchBench: Benchmarking AI Robustness to Batch Effects and Domain Shift in Biomedical Images - A JUMP Cell Painting Leaderboard
来源与原文
arXiv · cs.AI
作者：Sonja Topf
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.30104v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 BatchBench，一个评估 AI 系统在生物医学图像上对未见实验批次和数据来源的鲁棒性排行榜。它基于最大的公开生物医学成像数据集之一 JUMP-CP 构建，该数据集由 Cell Painting 实验生成，存在明显的批效应和域偏移。摘要指出，尽管域自适应方法已有进展，域偏移下的性能差距仍然显著。
来源：arXiv · cs.AI · arxiv.org