用于膝关节 MR 视频中前交叉韧带撕裂损伤检测的自监督表示学习
计算机视觉与模式识别
2022-08-02 v3
摘要
基于深度学习的计算机视觉应用模型的成功需要大规模人工标注数据，而这些数据往往生成代价高昂。自监督学习作为无监督学习的一个子集，通过从未经标注的图像或视频数据中学习有意义的特征来解决此问题。在本文中，我们提出一种自监督学习方法，通过强制模型学习解剖特征，从 MR 视频片段中学习可迁移特征。 pretext 任务模型被设计为预测 MR 视频帧所划分出的打乱图像块的正确顺序。据我们所知，目前尚无执行 MR 视频损伤分类任务的监督学习模型对模型所作决策提供任何解释，因此我们的工作成为 MR 视频数据上此类问题的首例。pretext 任务上的实验表明，该提出的方法使模型能够学习空间上下文不变特征，有助于在下游任务（如从膝关节 MRI 分类前交叉韧带撕裂损伤）中实现可靠且可解释的 performance。本文提出的新型卷积神经网络（Convolutional Neural Network）的效率体现在下游任务所获得的实验结果中。
引用
@article{arxiv.2007.07761,
title = {Self-Supervised Representation Learning for Detection of ACL Tear Injury in Knee MR Videos},
author = {Siladittya Manna and Saumik Bhattacharya and Umapada Pal},
journal= {arXiv preprint arXiv:2007.07761},
year = {2022}
}