PulseAugur
中
实时 10:28:07
English(EN) UnDA: Unpaired Domain Alignment for Cross-Modal Knowledge Transfer in Medical Imaging

UnDA框架可在无配对数据的情况下实现医学影像中的跨模态知识迁移

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出UnDA，一个新颖的框架，用于医学影像中无配对的跨模态知识蒸馏。该方法旨在通过在不同模态之间迁移知识来改进下游任务，即使在没有配对数据的情况下也能实现。UnDA包含一个对齐模块，该模块提取结构化类别标记，并利用不确定性加权最优传输（UCT-OT）根据预测置信度动态加权特征级对齐，从而减轻来自不确定源预测的噪声。此外，采用每类ProtoNCE目标来维护全局可区分性的稳定原型记忆，跨越无配对批次。在严格无配对条件下的分割任务评估表明，目标模态的准确性和边界精度得到了一致的提高。 AI

影响 通过在无需配对数据的情况下促进不同成像模态之间的知识迁移，实现了更鲁棒的医学影像分析。

排序理由 该集群包含一篇详细介绍医学影像分析新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

UnDA框架可在无配对数据的情况下实现医学影像中的跨模态知识迁移

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Rafsan Jany, Shadab Tanjeed Ahmad, Ahsan Bulbul, Tahsinul Islam, Md Azam Hossain, Abu Raihan Mostofa Kamal ·

    UnDA：用于跨模态知识迁移的无配对域对齐在医学影像中

    arXiv:2607.21546v1 Announce Type: new Abstract: Multimodal based approaches often outperform single modality approaches in downstream tasks as the different modalities provide complementary information, yet acquiring paired clinical data remains a significant challenge in real wo…

相关实体

相关话题