연구진은 자연 영상에 사전 학습된 네트워크가 의료 영상에 적응하는 데 어려움이 있는 문제를 해결하기 위해 CFR-Net을 제안했어요. CFR-Net은 디코딩 전 공유된 교사-학생 특징 정제와 디코딩 후 교차 공간 일관성을 결합해요. MPFRM 모듈을 통해 의료 영상에 적응된 특징을 정제하여 이상 감지 성능을 향상시켰어요.
CFR-Net은 일반적인 시각적 참조와 의료 도메인에 적응된 표현에 공통적인 다중 경로 정제 규칙을 적용하여 도메인 불일치를 완화하고 로컬, 다중 스케일, 방향성 민감 특징을 모델링해요. 다양성 기반 목적 함수와 동적 ‘숙제 세트’ 재구성은 계층 적응 일관성 학습을 지원해요.
의료 벤치마크 실험 결과, CFR-Net은 정상 데이터만으로 학습하여 경쟁력 있는 이상 분류 및 강력한 이상 위치 추적 성능을 달성했어요.