用于自适应鼻咽癌放疗预测的带加性间隔的多视图对比学习
计算机视觉与模式识别
2022-10-28 v1
摘要
在鼻咽癌（NPC）患者放疗（RT）前预测自适应放疗（ART）对于降低毒性和延长患者生存期非常重要。目前，由于复杂的肿瘤微环境，单一类型的高分辨率图像只能提供有限的信息。同时，传统的基于softmax的损失函数不足以量化模型的判别能力。为了克服这些挑战，我们提出了一种带加性间隔的有监督多视图对比学习方法（MMCon）。对于每位患者，考虑四张医学图像以形成多视图正样本对，这可以提供额外信息并增强医学图像的表示。此外，通过对比学习来学习嵌入空间。来自同一患者或具有相似标签的NPC样本将在嵌入空间中保持接近，而具有不同标签的NPC样本将相距较远。为了提高损失函数的判别能力，我们在对比学习中引入了一个间隔。实验结果表明，这种新的学习目标可用于找到一个对NPC图像表现出卓越判别能力的嵌入空间。
引用
@article{arxiv.2210.15201,
title = {Multi-view Contrastive Learning with Additive Margin for Adaptive Nasopharyngeal Carcinoma Radiotherapy Prediction},
author = {Jiabao Sheng and Yuanpeng Zhang and Jing Cai and Sai-Kit Lam and Zhe Li and Jiang Zhang and Xinzhi Teng},
journal= {arXiv preprint arXiv:2210.15201},
year = {2022}
}
备注
submitted to ICASSP 2023, 5 pages