PolarMAE：基于语义筛选和极坐标引导遮蔽的高效胎儿超声预训练方法
计算机视觉与模式识别
2026-04-20 v1
摘要
智能胎儿超声 (US) 解释是孕期诊断的关键任务，但高标注成本和操作员引入的差异性质，使得无监督预训练成为高度有前景的范式。然而，现有预训练方法大多忽视 US 特有的特征——严重的数据冗余、喇叭状局部性和极坐标束流，限制了其在下游任务中的效果。为此，我们提出 PolarMAE，一个为 US 图像量身定制的新型且高效预训练框架。具体而言，为缓解连续扫描的冗余，我们引入渐进式视觉-语义筛选 (PVSS)，以适应方式提取高价值样本，显著提升预训练效率。此外，我们设计声学受限区域约束 (ABRC)，以适应 US 的局部性，迫使模型仅关注有效声学区域而非无效暗背景。最后，依据束流先验和局部细节，我们提出极坐标纹理协作遮蔽 (PTCM)，使模型能够捕捉潜在的径向成像模式和关键组织结构。广泛的实验在多样数据集和多种下游解释任务上表明，我们的方法在实现最先进性能的同时，具备强大的预训练可扩展性和效率。
引用
@article{arxiv.2604.15893,
title = {PolarMAE: Efficient Fetal Ultrasound Pre-training via Semantic Screening and Polar-Guided Masking},
author = {Meng Lv and Yapeng Li and Hang Su and Juhua Liu and Bo Du},
journal= {arXiv preprint arXiv:2604.15893},
year = {2026}
}
备注
10 pages, 6 figures, 3 tables