自监督学习方法及其在医学图像分析中的应用：综述
图像与视频处理
2022-07-21 v3 计算机视觉与模式识别
机器学习
摘要
高质量标注医学图像数据集的稀缺是医学图像分析领域机器学习应用面临的主要问题，并阻碍了其进展。自监督学习是一种近期出现的训练范式，能够在无需人工标注的情况下学习鲁棒表示，可视为标注医学数据稀缺的有效解决方案。本文综述了面向图像数据的自监督学习方法的最新研究方向，重点关注其在医学图像分析领域的应用。文章涵盖计算机视觉领域一组最新的自监督学习方法（因其可应用于医学图像分析），并将其归类为预测式、生成式和对比式方法。此外，文章涵盖医学图像分析自监督学习领域40篇最新研究论文，旨在阐明该领域近期创新。最后，文章给出了该领域可能的未来研究方向。
引用
@article{arxiv.2109.08685,
title = {Self-supervised learning methods and applications in medical imaging analysis: A survey},
author = {Saeed Shurrab and Rehab Duwairi},
journal= {arXiv preprint arXiv:2109.08685},
year = {2022}
}