自监督X光解剖区域分类——你的真实世界数据有多干净？

本研究解决了临床影像分析中解剖区域标签准确性不足的问题，提出了利用自监督学习和监督对比学习的方法来进行解剖区域分类。通过对48,434个骨骼X光片进行分类，验证了该方法在少量标注样本下的高准确性，显示模型在低资源场景下的潜力，显著提升了数据标注的质量和准确性。