論文の概要: Pairing-free Group-level Knowledge Distillation for Robust Gastrointestinal Lesion Classification in White-Light Endoscopy

• arxiv url: http://arxiv.org/abs/2601.09209v1
• Date: Wed, 14 Jan 2026 06:24:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.293866
• Title: Pairing-free Group-level Knowledge Distillation for Robust Gastrointestinal Lesion Classification in White-Light Endoscopy
• Title（参考訳）: 白内障内視鏡におけるロバスト消化管病変分類のためのペアリングフリーのグループレベル知識蒸留法
• Authors: Qiang Hu, Qimei Wang, Yingjie Guo, Qiang Li, Zhiwei Wang,
• Abstract要約: PaGKDはグループレベルで活動し、より完全で互換性のある知識をモダリティにわたって蒸留する。 4つの臨床データセットの実験により、PaGKDは一貫して、最先端の手法よりも大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 9.859796200559805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: White-Light Imaging (WLI) is the standard for endoscopic cancer screening, but Narrow-Band Imaging (NBI) offers superior diagnostic details. A key challenge is transferring knowledge from NBI to enhance WLI-only models, yet existing methods are critically hampered by their reliance on paired NBI-WLI images of the same lesion, a costly and often impractical requirement that leaves vast amounts of clinical data untapped. In this paper, we break this paradigm by introducing PaGKD, a novel Pairing-free Group-level Knowledge Distillation framework that that enables effective cross-modal learning using unpaired WLI and NBI data. Instead of forcing alignment between individual, often semantically mismatched image instances, PaGKD operates at the group level to distill more complete and compatible knowledge across modalities. Central to PaGKD are two complementary modules: (1) Group-level Prototype Distillation (GKD-Pro) distills compact group representations by extracting modality-invariant semantic prototypes via shared lesion-aware queries; (2) Group-level Dense Distillation (GKD-Den) performs dense cross-modal alignment by guiding group-aware attention with activation-derived relation maps. Together, these modules enforce global semantic consistency and local structural coherence without requiring image-level correspondence. Extensive experiments on four clinical datasets demonstrate that PaGKD consistently and significantly outperforms state-of-the-art methods, achieving relative AUC improvements of 3.3%, 1.1%, 2.8%, and 3.2%, respectively, establishing a new direction for cross-modal learning from unpaired data.
• Abstract（参考訳）: 内視鏡検査ではWhite-Light Imaging(WLI)が標準であるが,Narrow-Band Imaging(NBI)は診断精度が優れている。 重要な課題は、NBIから知識を移譲して、WLIのみのモデルを強化することであるが、既存の手法は、同じ病変のNBI-WLIのペア画像に依存しているため、膨大な臨床データを未使用のままにしておくための費用がかかり、しばしば非現実的な要件である。 本稿では, ペアリングフリーなグループレベルの知識蒸留フレームワークPaGKDを導入することで, このパラダイムを打破する。 個々の画像インスタンス間のアライメントを強制するのではなく、PaGKDはグループレベルで動作し、より完全で互換性のある知識をモダリティにわたって抽出する。 PaGKDの中心は2つの相補的なモジュールである: (1) グループレベルプロトタイプ蒸留(GKD-Pro)は、共有病変認識クエリを通して、モダリティ不変なセマンティックプロトタイプを抽出し、コンパクトなグループ表現を蒸留する; (2) グループレベルセンス蒸留(GKD-Den)は、グループレベルプロトタイプ蒸留(GKD-Den)は、アクティベーション由来の関係マップでグループレベルの注意を導くことによって、密集したクロスモーダルアライメントを実行する。 これらのモジュールは、画像レベルの対応を必要とせず、グローバルな意味的一貫性と局所的な構造的コヒーレンスを強制する。 4つの臨床データセットに対する大規模な実験により、PaGKDは最先端の手法を一貫して大幅に上回り、それぞれ3.3%、1.1%、2.8%、および3.2%の相対的なAUCの改善を達成し、障害のないデータからのクロスモーダル学習の新しい方向性を確立した。

関連論文リスト

• FedBiCross: A Bi-Level Optimization Framework to Tackle Non-IID Challenges in Data-Free One-Shot Federated Learning on Medical Data [17.89045564472333]
  FedBiCross はパーソナライズされた OSFL フレームワークであり,(1) モデル出力の類似性によるクラスタリングクライアントのコヒーレントなサブアンサンブル,(2) 双方向クラスタ最適化,(3) クライアント固有の適応のためのパーソナライズされた蒸留,の3段階からなる。 4つの医療画像データセットの実験により、FedBiCrossは、非IID度の異なる最先端のベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-01-05T08:46:11Z)
• Holistic White-light Polyp Classification via Alignment-free Dense Distillation of Auxiliary Optical Chromoendoscopy [14.917217801444794]
  本稿では,ポリプローカライゼーションを必要とせず,フルイメージの診断を活用できる新しい包括的分類フレームワークを提案する。 重要な革新は、細粒なクロスドメイン知識の蒸留を可能にするアライメントフリーデンス蒸留(ADD)モジュールである。 提案手法は,AUCにおいて,少なくとも2.5%,16.2%の精度で,最先端性能を達成し,他の手法よりも比較的優れていた。
  論文  参考訳（メタデータ） (2025-05-25T21:09:58Z)
• Bridged Semantic Alignment for Zero-shot 3D Medical Image Diagnosis [23.56751925900571]
  CT(Computed Tomography)などの3次元医用画像は臨床で広く用いられており,自動診断の可能性が強い。 教師付き学習ベースのアプローチは大きな進歩を遂げているが、広範囲のマニュアルアノテーションに大きく依存している。 視覚言語アライメント(VLA)は、追加アノテーションなしでゼロショット学習を可能にすることで、有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-01-07T06:30:52Z)
• Cross Prompting Consistency with Segment Anything Model for Semi-supervised Medical Image Segmentation [44.54301473673582]
  半教師付き学習(SSL)は,医用画像のセグメンテーションにおいて顕著な進歩を遂げている。 SAM(Segment Anything Model)のような視覚基盤モデルの最近の発展は、顕著な適応性を示している。 半教師型医用画像分割のためのセグメンテーションモデル(CPC-SAM)を用いたクロスプロンプト整合性手法を提案する。
  論文  参考訳（メタデータ） (2024-07-07T15:43:20Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
  Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。 正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。 一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
  論文  参考訳（メタデータ） (2021-11-05T10:17:08Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。