arXiv Computer Vision· Qiming He, Jing Li, Zihan Wang, Tian Guan, Yifei Ma, Zimo Zhao, Yanxia Wang, Hongjing Chen, Yexing Zhang, Yizhi Wang, Xinrui Chen, Xitong Ling, Minxi Ouyang, Yujie Xie, Lianghui Zhu, Yiqing Liu, Qingxia Hou, Shuyan Zhao, Xiaoqin Wang, Lili Ma, Qiang Huang, Zhiyuan Shen, Junru Cheng, Siqi Zeng, Chao He, Yonghong He, Zhe Wang·· 7 小时前AI 评分24
GloSAGE：面向肾小球病理基础模型的知识结构化与证据感知语义自蒸馏框架
Knowledge-structured and evidence-aware semantic self-distillation for glomerular pathology foundation model
AI 导读
GloSAGE 语义自蒸馏框架利用预训练视觉教师模型预测的病灶轮廓构建结构化病理描述，在 GloMillion 上开发并在七个肾小球及病例级队列评估。该框架支持零样本病灶识别、图文检索与难负样本判别，在多数病灶识别任务上超过其源视觉模型并改善病灶分级。消融实验验证了知识结构化文本与证据引导负样本的联合贡献，中间语义迁移层的病灶识别平均 ROC-AUC 优于完整投影输出。
来源：arXiv Computer Vision · arxiv.org