JDCNet：基于置信门控的特权模态蒸馏，用于保持成本的 X 射线 推断
计算机视觉与模式识别
2026-05-19 v2
摘要
我们研究了一个系统级的视觉推断问题：在训练期间使用高成本的特权模态，同时保持固定成本的单模态部署路径。我们提出了 JDCNet，这是一种置信门控 CT 到 X 射线蒸馏框架，其中 CT 教师仅在教师置信度超过阈值的训练样本上提供辅助硬目标或温度缩放目标；在部署时，学生仅使用 X 射线输入，匹配受监督 X 射线基线的参数、MAC 和延迟配置。在 510 名患者的相同患者配对 BIMCV 数据集上进行 5 折患者水平交叉验证时，两种 JDCNet 配置均通过了固定转移门对比受监督 ResNet-18 基线：3 切软-KL 监督实现 （ 置信区间 ），中间切硬监督实现 （[{+}0.007,{+}0.058}]）。在相同的分割和门控下，logit 蒸馏、加盖 logit 蒸馏、对比对齐、注意力传递、特征提示、BiomedCLIP 微调以及模块增强变体均未通过。因此，置信门控辅助目标比均匀软化的 CT 概率 logits 更具可迁�性；该证据限于一组配对数据集，因此需要外部配对数据集复制才能在部署上作出任何主张。
引用
@article{arxiv.2603.29167,
title = {JDCNet: Confidence-Gated Privileged-Modality Distillation for Cost-Preserving X-ray Inference},
author = {Bo Ma and Jinsong Wu and Weiqi Yan and Hongjiang Wei and Kun Liu},
journal= {arXiv preprint arXiv:2603.29167},
year = {2026}
}