本研究针对宫颈细胞学多分类任务，提出了一种可靠性导向的 Hybrid‑K 集成选择框架，使用 SIPaKMeD 数据集进行验证。首先在固定的分层五折划分和三组随机种子下，评估了九种深度学习模型。随后对每个模型进行后置温度标定（temperature scaling），并使用宏 F1、准确率、AUROC、期望校准误差（ECE）、最差类别 ECE（WC‑ECE）、风险覆盖曲线下面积（AURC）、Brier 分数和负对数似然（NLL）等指标进行评估。所有指标采用等权复合得分进行排序，排名前列的模型通过软投票构建 Hybrid‑K 集成。
为检验鲁棒性，本文采用 5,000 次 Dirichlet 采样的指标权重向量、留一指标分析（leave‑one‑metric‑out）以及校正配对检验，对 15 组折‑种子组合进行评估。最终的 Hybrid‑2 集成由 Swin‑Tiny 与 TinyViT‑5M 组成，相比最佳单模型，AURC 降低 43%，NLL 降低 17%，WC‑ECE 降低 36%。该集成在 96.8% 的随机权重情形下被选中，且在所有留一指标分析中保持不变，提升了整体复合得分。然而，经过 Holm‑Bonferroni 校正后，各指标的提升均未达到统计显著（调整后 p = 0.168）。由于后置校准未使用完全独立的校准集，校准相关结果应视为内部探索性估计。
总体而言，该框架在单一数据集的内部验证中，识别出一个对指标权重变化鲁棒且提升可靠性点估计的紧凑集成方案。
点评