Toward Foundation Detection Models via Example-Based Grounding in EM-DETR

在本工作中，我们提出一种新颖的方法，通过整合标注了解剖结构和异常的多样化医学图像数据集，构建多领域基础模型用于病变检测。首先，我们提出学生-教师训练策略，有效结合具有异质标签空间的数据集，缓解灾难性遗忘，并提升特征学习。此外，基于我们先前提出的基于示例的EM-DETR框架，我们对其进行适应，联合学习多领域特定数据集，实现跨模态的细粒度、示例驱动的检测。