面向胸部放射影像的解剖一致嵌入学习
计算机视觉与模式识别
2024-06-12 v2
摘要
自监督学习（SSL）方法近期在从无标注图像中学习视觉表示方面取得重大成功。与摄影图像相比，以相同成像协议获取的医学图像在解剖结构上表现出高度一致性。为利用该解剖一致性，本文引入一种称为 PEAC（解剖一致性块嵌入）的新型 SSL 方法用于医学图像分析。具体而言，本文提出通过基于稳定网格的匹配学习全局与局部一致性，将预训练的 PEAC 模型迁移至多样化下游任务，并广泛证明：（1）PEAC 比现有最先进的完全/自监督方法性能显著更优；（2）PEAC 捕获了同一患者不同视图之间以及不同性别、体重和健康状况患者之间的解剖结构一致性，这增强了我们方法在医学图像分析中的可解释性。
引用
@article{arxiv.2312.00335,
title = {Learning Anatomically Consistent Embedding for Chest Radiography},
author = {Ziyu Zhou and Haozhe Luo and Jiaxuan Pang and Xiaowei Ding and Michael Gotway and Jianming Liang},
journal= {arXiv preprint arXiv:2312.00335},
year = {2024}
}
备注
BMVC 2023, oral