面向医学 3D 成像的空间感知自监督学习，基于多粒度可观测任务
计算机视觉与模式识别
2025-09-09 v1
摘要
自监督技术的应用在医学可视化任务中日益普及，主要是由于其能够缓解医疗领域数据稀缺的瓶颈。目前大多数作品受制于源自通用 2D 视觉领域的设计，缺乏对模型在 3D 空间知识学习过程中的直观阐释，常常在医学可解释性方面不足。我们提出一种由三个子任务构成的方法，以捕捉医学 3D 成像中与空间相关的语义。其设计遵循可观测原则，以确保可解释性，并尽可能减少由此导致的性能损失。通过利用 3D 成像提供的增强语义深度，该方法包含多粒度空间关系建模，以维持训练稳定性。实验结果表明，我们的方法能够实现与当前方法相当的性能，同时促进对自监督学习过程的直观理解。
引用
@article{arxiv.2509.05967,
title = {Spatial-Aware Self-Supervision for Medical 3D Imaging with Multi-Granularity Observable Tasks},
author = {Yiqin Zhang and Meiling Chen and Zhengjie Zhang},
journal= {arXiv preprint arXiv:2509.05967},
year = {2025}
}