Mitigating Source-Domain Dependency for Target-Free Zero-Shot Medical Anomaly Detection
Este artículo propone un marco basado en CLIP que mitiga la dependencia del dominio de origen en la detección de anomalías médicas de aprendizaje cero sin datos de destino mediante estrategias multinivel que incluyen el aprendizaje de prompts, la adaptación visual adversaria y la consistencia de características, logrando así una generalización robusta a través de conjuntos de datos de imágenes médicas heterogéneos sin acceso a datos de destino.