用于组织病理图像分类的自蒸馏增强掩码自编码器
计算机视觉与模式识别
2023-05-30 v4
摘要
自监督学习（SSL）近年来在组织病理图像分析中引起越来越多的关注。与受假阴性问题（即语义相似图像被选为负样本）困扰的对比学习相比，从生成范式构建 SSL 的掩码自编码器（MAE）可能是更合适的预训练方式。本文引入 MAE 并验证了可见图像块对组织病理图像理解的效果。此外，提出一种新颖的 SD-MAE 模型以实现自蒸馏增强的 MAE。除对掩码图像块的重建损失外，SD-MAE 进一步对可见图像块施加自蒸馏损失，以增强位于浅层的编码器的表征能力。我们将 SD-MAE 应用于组织病理图像分类、细胞分割和物体检测。实验表明，在这些任务中与其他 SSL 方法相比，SD-MAE 展现出极具竞争力的性能。
引用
@article{arxiv.2203.16983,
title = {Self-distillation Augmented Masked Autoencoders for Histopathological Image Classification},
author = {Yang Luo and Zhineng Chen and Shengtian Zhou and Xieping Gao},
journal= {arXiv preprint arXiv:2203.16983},
year = {2023}
}