研究人员开发了UnDA,一个专为医学影像中无配对跨模态知识迁移设计的新型框架。该方法利用锚点引导方法和对齐模块来提取结构化类别令牌,即使在没有配对数据的情况下也能实现有效的知识蒸馏。为了处理噪声和模态差异,UnDA采用了基于置信度的特征对齐的基于不确定性的最优传输(UCT-OT)以及用于保持全局可辨别性的ProtoNCE目标。评估表明,UnDA在目标模态中显著提高了准确性和边界精度,而无需配对数据集。 AI
影响 通过促进跨模态知识迁移(无需配对数据),实现了更鲁棒的医学影像分析。
排序理由 该集群描述了一篇详细介绍医学影像新框架的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ProtoNCE
- ScienceCast
- scite Smart Citations
- Shadab Tanjeed Ahmad
- Uncertainty-Weighted Optimal Transport
- UnDA
- Alignment Module
- medical imaging
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →