Newest papers

Expandable Modality Experts for Medical Vision-Language Learning

DM BAPPY, Eunsu Kim, Hanjoo Lee, Sung Hak Lee, Sangjeong Ahn · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29881 · open-access PDF

Arabic

تتطلب التعلم عبر طرق التصوير الطبية استخدام الصور دون النصائح المرتبطة باللون الأسود وتقنية جديدة مع الحفاظ على التركيزات الحالية. نحن نقدم تقنيات الرؤية الطبية باللون الأسود التي تم إنشاؤها حول قاعدة متخصصة في التقنيات المرتبطة باللون الأسود. تجمع Transformer Multiway مع الحوسبة المرتبطة باللون الأسود مع خبراء الرؤية المرتبطة باللون الأسود ومرحلة النصائح المرتبطة باللون الأسود. يوفر tokenizer المرتبطة باللون الأسود أهداف للتدريب المرتبط باللون الأسود على 19.4 مليون صفحة من الصور غير المرتبطة باللون الأسود على سبعة طرق، ويستخدم الترتيب المرتبط باللون الأسود

Machine translation (Meta M2M100); the English original follows.

Abstract

Learning across medical imaging modalities requires making use of images without paired text and accommodating new domains while retaining existing representations. We propose a medical vision-language technique built around an expandable bank of modality experts. Its Multiway Transformer combines shared visual computation with deterministically routed feed-forward experts and a separate text pathway. A modality-aware visual tokenizer supplies targets for masked pretraining on 19.4 million unpaired image rows across seven modalities; contrastive alignment then uses 3.23 million image-text pair

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange