医学CLIP不再只认高层语义：拆出纹理与属性两条支路，多异常检测准确率提升10.2%
医学CLIP此前主要对齐高层语义特征，对纹理、实体顺序和属性这类低层信息捕捉不足，在细粒度任务上受限。Deco-CLIP把图像与文本各拆成两条支路：一路用CT-CLIP预训练的ViT提取语义，一路用MAE预训练的ViT提取纹理，文本编码器后三层分叉并共享键值、使用不同查询，再配合阈值自适应样本挖掘与正则化注意力。在CT-RATE的零样本任务上，多异常检测准确率提升10.2%，报告到体数据检索召回率提升16.2%。