BYOLMed3D：基于梯度累积辅助三维BYOL框架的医学视频自监督表示学习
计算机视觉与模式识别
2022-11-15 v3
摘要
医学图像分析应用深受医学专家恰当标注的大体量数据严重短缺之苦。监督学习算法需要大量平衡数据以学习鲁棒表示。监督学习算法常需各种技术来处理数据不平衡。另一方面，自监督学习算法对数据不平衡具有鲁棒性，且能够学习鲁棒表示。在这项工作中，我们使用梯度累积技术训练一个三维BYOL自监督模型，以应对自监督算法通常所需的大批量样本数。据我们所知，这项工作是该领域中此类工作的首批之一。我们在ACL撕裂损伤检测的下游任务中，将实验所得结果与当代自监督预训练方法以及用Kinetics-400预训练权重初始化的ResNet3D-18进行比较。下游任务实验表明，所提框架优于现有基线。
引用
@article{arxiv.2208.00444,
title = {BYOLMed3D: Self-Supervised Representation Learning of Medical Videos using Gradient Accumulation Assisted 3D BYOL Framework},
author = {Siladittya Manna and Rakesh Dey and Souvik Chakraborty},
journal= {arXiv preprint arXiv:2208.00444},
year = {2022}
}
备注
The work requires revision. After verification it came to light, that the data presented in the paper is erroneous. The correct data will be updated after extensive experiments