Colo-SCRL：面向结肠镜视频检索的自监督对比表示学习
计算机视觉与模式识别
2023-03-29 v1
摘要
结肠镜视频检索作为息肉治疗的关键环节，对结直肠癌的防治具有重要的临床意义。然而，由于在动作识别数据集与结肠镜数据集间存在较大的领域鸿沟，在动作识别数据集上训练的检索模型在结肠镜数据集上通常产生不理想的检索结果。为寻求该问题的解决方案，我们构建了一个名为 Colo-Pair 的大规模结肠镜数据集用于医疗实践。基于该数据集，我们提出了一种简洁而有效的训练方法 Colo-SCRL，用于更鲁棒的表示学习。其旨在通过基于掩码自编码器的重建与动量对比从结肠镜视频中提炼通用知识，以提升检索性能。据我们所知，这是首次尝试将对比学习范式用于医学视频检索。实证结果表明，我们的方法在结肠镜视频检索任务中显著优于当前最先进的方法。
引用
@article{arxiv.2303.15671,
title = {Colo-SCRL: Self-Supervised Contrastive Representation Learning for Colonoscopic Video Retrieval},
author = {Qingzhong Chen and Shilun Cai and Crystal Cai and Zefang Yu and Dahong Qian and Suncheng Xiang},
journal= {arXiv preprint arXiv:2303.15671},
year = {2023}
}
备注
Accepted by ICME 2023