用于白光内窥镜中鲁棒胃肠道病变分类的无配对组级知识蒸馏
计算机视觉与模式识别
2026-01-15 v1
摘要
白光成像（WLI）是内窥镜癌症筛查的标准，但窄带成像（NBI）提供了更优越的诊断细节。一个关键挑战是将 NBI 的知识迁移以增强仅使用 WLI 的模型，然而现有方法因依赖同一病变的成对 NBI-WLI 图像而受到严重阻碍，这是一种昂贵且往往不切实际的要求，导致大量临床数据未被利用。在本文中，我们打破了这一范式，引入了 PaGKD，这是一个新颖的无配对组级知识蒸馏框架，能够使用未配对的 WLI 和 NBI 数据进行有效的跨模态学习。PaGKD 不在个体且往往语义不匹配的图像实例之间强制对齐，而是在组级别进行操作，以跨模态蒸馏出更完整和兼容的知识。PaGKD 的核心是两个互补模块：（1）组级原型蒸馏（GKD-Pro）通过共享的病变感知查询提取模态不变的语义原型，从而蒸馏出紧凑的组表示；（2）组级密集蒸馏（GKD-Den）利用源自激活的关系图引导组感知注意力，进行密集的跨模态对齐。这两个模块共同实现了全局语义一致性和局部结构连贯性，而无需图像级对应。在四个临床数据集上的大量实验表明，PaGKD 始终显著优于最先进的方法，分别实现了 3.3%、1.1%、2.8% 和 3.2% 的相对 AUC 提升，为从未配对数据中进行跨模态学习确立了新方向。
引用
@article{arxiv.2601.09209,
title = {Pairing-free Group-level Knowledge Distillation for Robust Gastrointestinal Lesion Classification in White-Light Endoscopy},
author = {Qiang Hu and Qimei Wang and Yingjie Guo and Qiang Li and Zhiwei Wang},
journal= {arXiv preprint arXiv:2601.09209},
year = {2026}
}
备注
Accepted to AAAI 2026