考虑医学领域知识的胸部CT图像持续自监督学习
计算机视觉与模式识别
2025-01-09 v1 人工智能
摘要
我们提出了一种新型的持续自监督学习方法（CSSL），考虑医学领域知识于胸部CT图像。我们的方法解决了顺序学习挑战，通过有效捕获不同阶段以前学习知识与新信息之间的关系。在纳入增强版DER到CSSL中并保持DER排队缓冲区内的多样性和代表性方面，降低了预训练期间数据干扰的风险，使模型能够学习更丰富、更稳健的特征表示。此外，我们采用混合策略和特征蒸馏进一步增强模型学习有意义表示的能力。我们使用两种不同成像条件下获得的胸部CT图像进行验证，显示出优于当前最先进方法的优异性能。
引用
@article{arxiv.2501.04217,
title = {Continual Self-supervised Learning Considering Medical Domain Knowledge in Chest CT Images},
author = {Ren Tasai and Guang Li and Ren Togo and Minghui Tang and Takaaki Yoshimura and Hiroyuki Sugimori and Kenji Hirata and Takahiro Ogawa and Kohsuke Kudo and Miki Haseyama},
journal= {arXiv preprint arXiv:2501.04217},
year = {2025}
}
备注
Accepted by ICASSP 2025