DistMedVL：用于不确定性感知医学图像分割的分布式视觉语言对齐

视觉和文本表示的跨模态对齐是多模态医学图像理解的基础，但在现实临床条件下这两种模态的不确定性仍然受到阻碍。现有的视觉语言分割方法依赖于确定性的跨模态匹配，它忽略了模糊边界的任意不确定性和有限训练数据的认知不确定性，导致域转移下的性能脆弱。为了解决这个问题，我们提出了 DistMedVL，这是一种概率视觉语言框架，它在冻结编码器上引入了轻量级概率跨模态适配器（PCM-Adapter），以显式地模拟表征不确定性。具体来说，PCM-Adapter 包括两个用于渐进概率对齐的顺序模块。我们首先设计了一个马哈拉诺比斯对齐模块（MAM），它将文本标记建模为高斯分布，并通过马哈拉诺比斯距离计算补丁文本兼容性，产生方差条件匹配，从而降低不可靠特征维度的权重。此外，我们设计了一个分布流模块（DFM），它可以估计模态置信参数并执行视觉引导的文本分布细化，以适应跨成像模态的分布变化。跨八个医学分割基准的大量实验表明，DistMedVL 仅具有 630 万个可训练参数，性能优于最先进的方法，表现出卓越的数据效率、扰动鲁棒性和跨数据集泛化能力。