基于知识驱动认知编排的医学视觉语言预训练
计算机视觉与模式识别
2026-03-11 v1
摘要
医学视觉语言预训练（VLP）模型最近被用于其对多样化下游任务的泛化能力。然而，当前的医学VLP方法通常强制模型同时学习简单和复杂概念。这一反认知过程导致亚optimal的特征表示，尤其在分布迁移下更为明显。为解决这一限制，我们提出一种面向医学VLP的知识驱动认知编排（MedKCO），其包括预训练数据的排序以及视觉语言对比学习目标的排序。具体地，我们通过整合诊断灵敏度和类内样本代表性，设计了两级课程来排序预训练数据。此外，鉴于医学图像的类间相似性，我们引入自助-paced 非对称对比损失，以动态调整预训练目标的参与度。我们在三个医学影像场景中评估了所提出的预训练方法，并与几种课程学习方法进行比较。大量实验表明，我们的方法显著优于所有基线方法。
引用
@article{arxiv.2603.09101,
title = {MedKCO: Medical Vision-Language Pretraining via Knowledge-Driven Cognitive Orchestration},
author = {Chenran Zhang and Ruiqi Wu and Tao Zhou and Yi Zhou},
journal= {arXiv preprint arXiv:2603.09101},
year = {2026}
}
备注
CVPR2026