11:15arXiv cs.AI@Markus Bujotzek, Dimitrios Bounias, Stefan Denner, Ralf Floca, Maximilian Fischer, Peter Neher, Klaus Maier-Hein该基准套件整合了来自不同来源的真实噪声医学图像分割数据集,并设计了多种客户端-噪声场景(如轮廓不一致、缺失结构、标签混淆)。它提供了针对标签噪声的评估指标,支持系统性的联邦噪声标签学习(FNLL)评估。代码已在GitHub上开源(MIC-DKFZ/FedSegNoiseBench),为公平比较和未来方法开发奠定基础。论文Federated LearningMedical Image SegmentationNoisy Label Learning基准测试推荐理由:医学图像分割里标签噪声很头疼,这个基准套件专门测联邦学习下的真实场景,帮你挑最靠谱的去噪方法。原文