美国图森亚利桑那州大学、休斯顿卫理公会医院|Learning to segment with limited annotations: Self-supervised pretraining with regression and contrastive loss in MRI（使用有限注释学习分割：MRI中回归和对比丢失的自我监督预训练）

作者：Kanthashree Mysore Sathyendra, Thejaswi Muniyappa, Feng-Ju Chang,等

简介：本文研究利用预训练自监督技术减少手工标注的代价。获取用于深度学习（DL）模型监督训练的大型数据集的手工标注是一项挑战。与标记数据集相比，大型未标记数据集的可用性促使使用自我监督的预训练来初始化DL模型，以用于后续的分割任务。在这项工作中，作者考虑两种预训练方法来驱动DL模型学习不同的表示：a）利用图像内的空间依赖性的回归损失和b）利用图像对之间的语义相似性的对比损失。使用磁共振（MR）图像在两种下游分割应用中评估预训练技术的效果：a）腹部T2加权MR图像中的肝脏分割和b）前列腺T2加权MR图像中的前列腺分割。作者观察到，使用自我监督预训练的DL模型可以微调，以获得与标记数据集较少的可比性能。此外，作者还观察到，使用基于对比损失的预训练来初始化DL模型的效果优于回归损失。

论文下载：https://arxiv.org/pdf/2205.13109

内容中包含的图片若涉及版权问题，请及时与我们联系删除