مدل‌های بخش‌بندی پزشکی، حتی با معماری‌های متفاوت، ممکن است روی همان نمونه‌ها شکست بخورند

پژوهشگران در پیش‌چاپی با معرفی CoFailMed، هم‌بستگی خطاها را در مجموعه‌ای از encoderهای ازپیش‌آموزش‌دیده برای بخش‌بندی تصاویر پزشکی بررسی کرده‌اند. آن‌ها در پنج وظیفهٔ دوبعدی، ۱۱ encoder عمومی را ــ در نمونه‌ای کنترل‌شده، نه سرشماری جامع ــ با ویژگی‌های ثابت و لایه‌های خوانش جداگانهٔ ۱×۱ ارزیابی کردند و برای هر encoder چهار seed به کار بردند.

نتایج نشان داد جفت‌مدل‌هایی که از یک checkpoint مشترک استفاده می‌کنند، بیشترین میانگین هم‌بستگی Dice را در سطح نمونه دارند. در تحلیل گسترده‌تر با ۱۷ encoder نیز checkpointهای متفاوت از یک خانوادهٔ encoder، بیش از جفت‌های متعلق به خانواده‌های متفاوت با هم هم‌بسته بودند. در آستانهٔ صدک ۳۳ Dice در مجموعهٔ تجمیع‌شده، اندازهٔ مؤثر مجموعه‌های چهارمدلی که از encoderهای متفاوت انتخاب شده بودند، به‌طور میانگین بین ۱٫۵۶ تا ۲٫۹۲ بود؛ یعنی شمار اعضا لزوماً نشان‌دهندهٔ همان میزان تنوع مؤثر نیست.