What Makes Deep Learning Work for Traditional Chinese Medicine Tongue Diagnosis? A Comprehensive Ablation Study
arXiv 论文 2607.28148v1 报告了针对中医舌诊的深度学习消融研究，使用 TongueDx2（5,109 张图像，976 张专家标注）和合并数据集（11,101 个样本）。最佳 976 样本模型使用 ConvNeXt-Tiny 达到加权 F1 0.6625；最佳 11,101 样本模型达到 0.7761。BCE 优于 Asymmetric Loss（+2.7%），弱组集成提升 +2.1%，数据扩展提升 +20.6%，标签维度从 13 扩展到 45 导致性能从 0.78 降至 0.22。
Development
- First ReportWhat Makes Deep Learning Work for Traditional Chinese Medicine Tongue Diagnosis? A Comprehensive Ablation StudyarXiv cs.LG
- Current Assessment该研究为中医舌诊等专业医疗 AI 领域提供了系统性的设计指南，可能推动该领域从经验驱动转向原则驱动。研究强调数据规模的重要性（+20.6%），表明在医疗影像领域，数据收集比模型架构创新更具杠杆效应。同时，标签维度扩展的失败案例提示，在构建多标签系统时需谨慎设计标签体系，避免过度细化导致性能崩溃。Agent Pulse · analysis
该研究对中医舌诊的深度学习设计空间进行了系统消融，涵盖 20 多个模型版本，在 5 折交叉验证下比较了六种骨干架构、四种损失函数、五种增强策略和六种训练策略。最佳小样本模型（976 张）使用 ConvNeXt-Tiny 配合受限增强和弱组集成，加权 F1 为 0.6625；最佳大样本模型（11,101 张）达到 0.7761。研究提出六项设计原则：ConvNeXt-Tiny 参数效率最优；BCE 比 Asymmetric Loss 高 2.7%；受限颜色增强至关重要；弱组集成比概率平均高 2.1%；数据扩展带来 20.6% 提升；标签维度从 13 扩至 45 导致灾难性崩溃（0.78 降至 0.22）。这些原则可推广到多标签医学图像分类。
该研究为多标签医学图像分类提供了可操作的消融证据：在骨干网络选择上，ConvNeXt-Tiny 在参数效率上优于更大模型；损失函数方面，BCE 显著优于 Asymmetric Loss，提示在类别不平衡场景下简单损失可能更稳健；增强策略上，受限颜色增强是关键，过度增强可能损害性能；集成策略上，弱组集成（weak-group ensemble）优于概率平均，表明集成方式对性能有实质影响。此外，标签维度扩展导致的灾难性崩溃（0.78 到 0.22）警示了输出空间设计的重要性。
该研究为中医舌诊等专业医疗 AI 领域提供了系统性的设计指南，可能推动该领域从经验驱动转向原则驱动。研究强调数据规模的重要性（+20.6%），表明在医疗影像领域，数据收集比模型架构创新更具杠杆效应。同时，标签维度扩展的失败案例提示，在构建多标签系统时需谨慎设计标签体系，避免过度细化导致性能崩溃。
对于中医舌诊相关的医疗 AI 产品，该研究提供了直接可用的模型配置建议（ConvNeXt-Tiny + BCE + 受限增强 + 弱组集成），可降低试错成本。数据扩展带来的显著提升表明，投资于数据标注和收集可能比优化模型架构更具商业回报。标签维度崩溃的警示有助于产品团队在设计诊断标签体系时避免过度细化，确保模型稳定性。
后续可验证的信号包括：该研究的设计原则是否被后续工作引用并复现；是否出现基于这些原则的更大规模舌诊模型；标签维度扩展的崩溃问题是否催生新的标签压缩或层次分类方法；以及这些原则是否被推广到其他多标签医学图像任务。