渐进式数据治理框架

跨设备噪声鲁棒治理

融合置信度共识与物理质量门控，在保留多源分布的同时提升模型校准与跨域泛化。

Bayu, Nadya Kusuma · Rama, Bastola Neupane · 李侃 · Ma, Xiang · Titok, Hariyanto

Expert Systems with Applications 2027

参数信息

分布内平衡准确率

86.24 %

分布外平衡准确率

90.88 %

教师模型校准误差

4.8 %

分布外负对数似然

0.169

每个来源保留比例

32.5 %

每个来源保留比例

66.7 %

保守重标注阈值下的分布内平衡准确率

86.78 %

激进重标注阈值下的分布外平衡准确率

91.25 %

技术优势

校准误差大幅降低

双教师置信度共识避免了单一教师错误预测的固化，教师模型ECE从12.4%–12.6%降至4.8%。

物理质量筛选前置

先用自编码器筛除物理降质图像，再进行语义评估，防止低质样本污染标注和模型训练。

跨域泛化稳定提升

在未见来源的数据上，平衡准确率比经验风险最小化高出3.48个百分点，且置信区间不含零。

保留多源样本分布

渐进分层策略让每个来源的保留比例在32.5%到66.7%之间，避免简单清洗导致某些设备或人群的数据被清空。

应用场景

• 医学影像数据清洗：自动剔除物理降质和标签噪声的眼底图像，提升诊断模型训练数据质量。
• 糖尿病视网膜病变筛查：清洗后的多源数据训练筛查模型，在不同设备上获得更可靠的分级结果。
• 多源数据质量评估：通过置信度共识和物理质量门控分层评估各来源数据，量化样本保留与校准质量。
• 模型校准与不确定性估计：清洗后的数据训练模型，显著降低校准误差并提供更可靠的预测置信度。