T-DuMpRa：教師ありデュアルパス・マルチプロトタイプ検索を用いた微細医用画像分類フレームワーク

arXiv cs.AI / 2026/4/21

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

T-DuMpRaは、微妙な見た目の差や曖昧な症例によって予測の較正が崩れやすい微細医用画像分類を改善するための、教師ありデュアルパスの検索拡張フレームワークです。
本手法は識別的分類とマルチプロトタイプ検索を同時に学習し、交差エントロピーと教師ありコントラスト学習の損失を最適化することで、コサイン類似度に基づくプロトタイプ照合に適した埋め込み空間を獲得します。
EMA（指数移動平均）の教師モデルで表現を滑らかにし、教師の埋め込みをクラスタリングしてマルチプロトタイプのメモリバンクを構築します。
推論では、分類器の予測分布に加えてプロトタイプ類似度から得られる分布を、保守的な信頼度ゲーティングで融合し、分類が不確実なときに限って検索を有効化します。
HAM10000およびISIC2019で、5種類のバックボーンにわたり一貫した改善（それぞれ0.68%–0.21%、0.44%–2.69%）が報告され、可視化分析でも曖昧ケースへの対応力向上が示されています。