用于超声的自监督学习中的视频内正样本对

自监督学习是通过从无标签图像中学习表示来解决医学成像中标注数据匮乏问题的一种策略。对比和非对比 SSL 方法为相关图像对产生相似的所学表示。此类图像对通常通过对同一图像进行两次随机扭曲来构造。超声的视频特性为定义图像对之间的相似性关系提供了灵活性。在本研究中，我们调查了利用来自同一 B 型超声视频中邻近的不同图像作为 SSL 图像对的效果。此外，我们引入了一种样本加权方案，该方案增加较近图像对的权重，并演示了如何将其整合到 SSL 目标中。该方法被命名为视频内正样本对，在 POCUS 数据集上的 COVID-19 分类中，其测试准确率比先前针对超声的特定对比学习方法平均高出 $\ge 1.3\%$。对 IVPP 超参数的详细调查表明，根据下游任务的不同，IVPP 超参数的某些组合可能会提高或降低性能。基于结果总结了对从业者的指导原则，例如使用带有任务特定超参数的 IVPP 的优点，以及与对应的非对比方法相比，对比方法在超声上具有更好的性能。