面向 3D 医学图像自监督学习的结构感知语义差异与一致性
计算机视觉与模式识别
2025-07-04 v1
摘要
3D 医学图像自监督学习 (mSSL) 前景广阔。有效支持更广泛的应用需要考虑解剖结构在位置、尺度和形态上的变化，这些变化对于捕捉有意义的差异至关重要。然而，先前的 mSSL 方法通常以固定大小的块划分图像，忽视了结构变化。在本工作中，我们提出了一种新的 3D 医学图像观点，旨在学习结构感知的表示。我们假设同一结构内的块共享相同的语义 (语义一致性)，而来自不同结构的块则表现出不同的语义 (语义差异)。基于此假设，我们提出了一种 mSSL 框架 ，实现结构感知语义差异与一致性。首先， 通过利用最优传输策略来强化不同块之间的差异，以增加语义差异。其次， 基于邻域相似度分布在结构层面上实现语义一致性。通过桥接块级和结构级表示， 实现了结构感知的表示。广泛评估在 10 个数据集、4 个任务和 3 种模态上，所提方法在 mSSL 中持续优于最新方法。
引用
@article{arxiv.2507.02581,
title = {Structure-aware Semantic Discrepancy and Consistency for 3D Medical Image Self-supervised Learning},
author = {Tan Pan and Zhaorui Tan and Kaiyu Guo and Dongli Xu and Weidi Xu and Chen Jiang and Xin Guo and Yuan Qi and Yuan Cheng},
journal= {arXiv preprint arXiv:2507.02581},
year = {2025}
}
备注
Accepted by ICCV25