arXiv:2606.05347v2 Announce Type: replace 
Abstract: Every new clinical imaging device creates a domain shift where dense gland masks are expensive yet cheap clinical signals -- eyelid outlines, Pult grades, morphometric ratios -- are routinely recorded. We present TopoPult-SSL, a two-stage framework for cross-device meibomian gland segmentation. Stage 1 adapts a source-trained model without target gland masks in the training loss, using four weak-prior anchors driven by target eyelid masks and clinical metadata only. Stage 2, when target gland masks are available, distils complementary Stage-1 teachers into a single compact student via supervised self-distillation. We develop and validate the technique on the public MGD-1k to CAMG research benchmark (1,000 to 100 images, different device), where the distilled model achieves Dice 0.716+/-0.006 (best 0.726), surpassing UA-MT (0.710) and the ensemble teacher (0.720) -- with a single pass. The gland-mask-free Stage-1 variant reaches Precision 0.694 vs. 0.30-0.34 for SAM/MedSAM (p<0.001), enabling deployment without dense gland contouring. Code and reproducibility scripts are released.

تم تقديم TopoPult-SSL كإطار عمل من مرحلتين لتجزئة غدد ميبوميوس عبر أجهزة مختلفة، باستخدام أولويات سريرية ضعيفة وتقنيات التقطير الذاتي. تتكيف المرحلة الأولى مع نموذج بدون أقنعة غدد مستهدفة، بالاعتماد على ملامح الجفون والبيانات السريرية، بينما تقوم المرحلة الثانية بتنقيح النموذج باستخدام أقنعة الغدد المستهدفة المتاحة. تم التحقق من صحة النهج على معيار MGD-1k إلى CAMG، محققًا مقاييس أداء ملحوظة.

Se ha presentado TopoPult-SSL como un marco de dos etapas para la segmentación de glándulas meibomianas entre diferentes dispositivos, utilizando prioridades clínicas débiles y técnicas de auto-destilación. La primera etapa adapta un modelo sin máscaras de glándulas objetivo, basándose en los contornos de los párpados y metadatos clínicos, mientras que la segunda etapa refina el modelo utilizando máscaras de glándulas objetivo disponibles. El enfoque ha sido validado en el benchmark MGD-1k a CAMG, logrando métricas de rendimiento notables.

TopoPult-SSL a été présenté comme un cadre en deux étapes pour la segmentation des glandes de Meibomius à travers différents dispositifs, utilisant des priorités cliniques faibles et des techniques d'auto-distillation. La première étape adapte un modèle sans masques de glandes cibles, s'appuyant sur les contours des paupières et les métadonnées cliniques, tandis que la seconde étape affine le modèle en utilisant des masques de glandes cibles disponibles. L'approche a été validée sur le benchmark MGD-1k à CAMG, atteignant des métriques de performance notables.

TopoPult-SSL has been introduced as a two-stage framework for cross-device meibomian gland segmentation, utilizing weak clinical priors and self-distillation techniques. The first stage adapts a model without target gland masks, relying on eyelid outlines and clinical metadata, while the second stage refines the model using available target gland masks. The approach has been validated on the MGD-1k to CAMG benchmark, achieving notable performance metrics.