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
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。
原文中文,约300字,阅读约需1分钟。
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。