From Adults to Children: Benchmarking Foundation Models for Chest X-Ray Classification under Domain Shift

📄 arXiv: 2610.21809v1 📥 PDF

作者: Sara Inácio, Hugo Proença, João C. Neves

分类: cs.CV

发布日期: 2026-10-15

备注: Accepted at WACV 2027

💡 一句话要点

基于基础模型的胸部X光分类研究解决成人到儿童的领域转移问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 基础模型 胸部X光 医学影像 领域转移 泛化能力 深度学习 儿童医学 模型评估

📋 核心要点

  1. 现有基础模型在不同患者群体（成人与儿童）之间的泛化能力不足，导致性能显著下降。
  2. 本研究通过比较多种基础模型在成人到儿童胸部X光分类中的表现，探讨适应深度对泛化能力的影响。
  3. 实验结果表明，所有模型在儿童数据上的性能下降超过10个百分点，且增加适应深度并未显著改善跨人群的泛化能力。

📝 摘要（中文）

基础模型在多个领域展现出显著潜力，并已应用于医学影像，但其在不同患者群体中的鲁棒性尚不明确。本研究探讨了基础模型在成人到儿童胸部X光分类中的泛化能力。我们首次在共同的成人到儿童评估环境下比较了多种基础模型，并分析了适应深度的影响。通过将VinDr-CXR和PediCXR整合为五类分类任务，评估了六种基础模型和两种CNN基线。所有模型仅使用成人数据进行适应，并在成人和儿童领域进行测试。结果显示，所有模型在从成人数据转移到儿童数据时性能显著下降，降幅超过10个百分点。尽管成人测试集的Macro-AUROC值约为92%，但儿童领域的性能下降至约78%。

🔬 方法详解

问题定义：本研究旨在解决基础模型在成人到儿童胸部X光分类中的泛化能力不足的问题。现有方法在不同患者群体之间的性能转移存在显著下降，影响了临床应用的可靠性。

核心思路：论文的核心思路是通过对比多种基础模型在成人和儿童数据集上的表现，分析适应深度对模型泛化能力的影响，以期提高模型在不同人群中的适用性。

技术框架：研究首先将VinDr-CXR和PediCXR数据集整合为一个五类分类任务，随后评估六种基础模型和两种CNN基线。所有模型仅使用成人数据进行适应，并采用线性探测、部分微调和完全微调三种方法进行测试。

关键创新：本研究的创新点在于首次在共同的成人到儿童评估环境下比较多种基础模型，并系统分析适应深度对跨人群泛化能力的影响，填补了该领域的研究空白。

关键设计：在模型适应过程中，采用了不同的适应深度策略，包括线性探测、部分微调和完全微调，以评估其对模型性能的影响。实验中使用的损失函数和网络结构均基于现有的基础模型设计，确保了实验的可重复性和可靠性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，所有模型在儿童数据上的性能下降超过10个百分点，成人测试集的Macro-AUROC值约为92%，而儿童领域的性能下降至约78%。此外，增加适应深度并未显著改善跨人群的泛化能力，表明强大的领域内性能并不一定能转化为儿童数据上的优异表现。

🎯 应用场景

该研究的潜在应用领域包括医学影像分析、临床辅助诊断和公共卫生监测。通过提高基础模型在不同患者群体中的泛化能力，可以更好地支持儿童胸部疾病的早期诊断和治疗，从而提升医疗服务的质量和效率。未来，研究成果有望推动基础模型在其他医学影像任务中的应用，促进个性化医疗的发展。

📄 摘要（原文）

Foundation models have shown significant potential across diverse fields and have been applied to medical imaging, but their robustness across patient populations remains unclear. In this work, we investigate foundation models' ability to generalize from adult to pediatric chest X-ray classification. To the best of our knowledge, this is the first benchmark to compare multiple foundation models under a common adult-to-pediatric evaluation setting while also analyzing the effect of adaptation depth. We harmonize VinDr-CXR and PediCXR into a five-label classification task and evaluate six foundation models and two CNN baselines. All models are adapted using adult data only and tested in both the in-domain and pediatric domains using linear probing, partial fine-tuning, and full fine-tuning. The benchmark reveals a clear and consistent trend: all models suffer a substantial performance degradation when transferred from adult to pediatric data, with drops exceeding 10 percentage points. While Macro-AUROC values reach approximately 92% on the adult test set, performance decreases to around 78% on the pediatric domain. Another important finding is that increasing the depth of adaptation does not significantly improve cross-population generalization. Moreover, strong in-domain performance does not translate into better performance on pediatric data.