CA-WCP 在 BraTS 2020 与合成 CT 上为每个类别给出覆盖 90% 的体积区间，宽度比对称加权共形预测窄 8–14%
核心概要
该工作提出类别感知非对称加权共形预测（CA-WCP），把潜空间密度比加权与分别校准上下体积界的方向分位数结合，并按验证集假阳性/假阴性率给每个界加上类别特异非对称因子；作者证明其在加权可交换性下保持每类边际覆盖保证，并在 BraTS 2020 与受协变量偏移的合成多器官 CT 上使各类 95% Clopper–Pearson 覆盖区间包含名义 90% 水平，同时区间宽度比对称加权共形预测缩小 8–14%。
Figure 1: Class-specific error patterns revealing asymmetric biases in brain tumor segmentation, measured on the validation split. (Left) False positive versus false negative rates. Rates are normalized by ground-truth volume v ∗ v^{*} (Eq. ( 5 )), so values above 100% are well defined and indicate severe over-segmentation. Necrotic core shows a false-negative bias, edema a large false-positive bias, and enhancing tumor a moderate false-positive bias. (Right) Distribution of volume errors across classes, showing the skew that motivates asymmetric interval design.
arXiv深度剖析
CA-WCP 把密度比加权共形预测、方向分位数与类别条件（Mondrian）校准组合到 3D 多类体积分割中，并用验证集假阳性/假阴性率导出的非对称因子把区间几何与每类误差结构耦合起来。 既有体积共形预测多假设对称误差分布，类别效应通常只通过自适应分数隐式处理；这里显式校准类别效应并把它与体积误差的方向结构绑定。 方法在 BraTS 2020 与合成多器官 CT 上以相同骨干、相同密度比权重、相同校准/测试划分与三个基线对比，Directional WCP 与 CA-WCP 的差异构成对非对称机制的直接消融。
方向分位数分别校准下界与上界，使主导误差方向不再同时决定两侧边界，从而带来效率提升。 相对在最大方向分数上计算的对称加权共形预测，方向分位数把平均宽度从 9.7 mL 降到 6.7 mL。 BraTS 2020 上按类别报告精确覆盖与 95% Clopper–Pearson 区间，并给出平均宽度；骨干 Dice 在所有共形变体间相同（坏死 0.63、水肿 0.81、增强 0.88）。
非对称因子在验证误差集中的一侧加入保守的类别特异余量，把点覆盖提升到名义水平。 CA-WCP 在 BraTS 2020 上把三类点覆盖都提到 90.4%，平均宽度 8.5 mL，比对称加权共形预测窄 12%、比方向共形预测宽 27%。 每个分支满足非对称因子不小于 1，因此只会加宽区间；作者给出加权可交换性下每类边际覆盖的证明，并说明估计权重会带来近似误差。
把校准区间编码进结构化提示，可让多模态大模型生成与区间宽度一致的谨慎措辞报告。 在 10 个测试病例上，加入校准区间后不确定性一致性评分从 2.1 升到 4.6，事实准确性从 3.8 升到 4.8，BLEU-4 从 0.28 升到 0.42。 由一名对提示配置设盲的独立放射科医师评分，参考报告由另一名放射科医师依据真值掩膜按标准模板撰写；作者明确将其定位为初步评估而非临床验证。
启示与展望
该框架面向需要在分布偏移下获得每类体积覆盖保证的 3D 多类分割场景，适用于脑肿瘤亚区与腹部器官等具有方向性误差结构的任务。作为事后包装器，它不修改分割掩膜，推理成本与标准分裂共形预测相同，因此可直接叠加在已有骨干之上。校准区间还可编码为结构化提示，供多模态大模型生成随区间宽度调整措辞的放射报告，为把偏移感知的不确定性量化接入可解释的临床沟通提供了一条路径。
结果来自单一校准/测试划分，方向共形预测与 CA-WCP 之间的覆盖差距在该样本量下未被统计分辨，重复随机划分才能判断权重估计误差是否导致系统性欠覆盖。合成 CT 由学习到的生成模型产生并继承其解剖先验，虽在受控偏移下分离了结构尺度效应，真实多中心腹部 CT 的验证仍待进行。测试队列规模限制了覆盖估计精度，这也是作者报告精确 Clopper–Pearson 区间的原因。报告评估仅覆盖 10 个病例与单一评分者，宜视为不确定性条件如何改变报告语言的提示，而非临床验证。