BriefGPT - AI 论文速递
·
自我监督学习提高深度学习对 CT 图像差异的肺肿瘤分割的鲁棒性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过自监督预训练生成适用于肺部超声分析的神经网络特征提取器，提高了受试者工作特性曲线面积。紧凑非线性分类器在预训练模型输出的特征上训练，推理时间缩短了49%。自监督预训练在仅使用1%标签进行训练时优于全监督模型。自监督预训练有助于生成肺部超声分类器的初始权重。
🎯
关键要点
- 自监督预训练生成适用于多种B模式肺部超声分析的神经网络特征提取器。
- 预训练模型在三项肺部超声任务的微调后，AUC面积平均提高了0.032和0.061。
- 紧凑非线性分类器在预训练模型输出特征上训练，推理时间缩短了49%。
- 仅使用1%标签进行训练时，预训练模型优于全监督模型。
- 视图分类任务中，最大观察到的测试AUC提高了0.396。
- 自监督预训练有助于生成肺部超声分类器的初始权重。
➡️
