去模糊掩码自编码器是超声图像识别的更优方案
计算机视觉与模式识别
2023-07-14 v3
摘要
掩码自编码器（MAE）引起了前所未有的关注，并在许多视觉任务中取得卓越性能。它在预训练期间重建随机掩码的图块（称为代理任务），并学习可迁移至下游任务的有意义语义表征。然而，MAE在超声成像中尚未被充分探索。在本工作中，我们探究MAE在超声图像识别中的潜力。受超声成像高噪声-信号比独特属性的启发，我们提出一种新颖的去模糊MAE方法，在预训练期间将去模糊纳入代理任务。去模糊的加入促使预训练更好地恢复超声图像中呈现的细微细节，从而提升下游分类任务的性能。我们的实验结果证明了去模糊MAE的有效性，在超声图像分类中达到最先进的性能。总体而言，我们的工作凸显了MAE在超声图像识别中的潜力，并提出了一种融入去模糊以进一步提升其有效性的新颖方法。
引用
@article{arxiv.2306.08249,
title = {Deblurring Masked Autoencoder is Better Recipe for Ultrasound Image Recognition},
author = {Qingbo Kang and Jun Gao and Kang Li and Qicheng Lao},
journal= {arXiv preprint arXiv:2306.08249},
year = {2023}
}
备注
Accepted by MICCAI 2023