神经符号框架跨院查青光眼：图推理与模糊规则单用都不吃亏，合用却掉8.1个AUC点
青光眼自动筛查模型换一家医院、换一台相机就明显失准，一项神经符号框架把解剖图推理与可微模糊临床规则组合进同一网络，用取自八个数据集、八个国家共12,619张眼底图的9,100张训练，并以西班牙另一家医院、另一款相机拍摄的485张RIM-ONE图像做完全留出的跨院测试。在分布内测试集上，EfficientNet-B4加图注意力网络的配置取得0.9612的AUC（95%置信区间0.951–0.972），高于仅用EfficientNet-B4的0.9472；但两者合用后跨院AUC为0.6155，比基线低8.1个百分点。