基于自监督对比学习的乳腺肿瘤分类研究
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了乳腺超声视频中的肿瘤分类问题，采用了三元组网络和自监督对比学习技术，从未标记的超声视频片段中学习特征表示。实验结果表明，模型在接收操作特征曲线（AUC）上达到了0.952，显著优于其他模型，大幅降低了对标记数据的需求，具有应用于自动乳腺超声图像诊断的潜力。
自监督预训练在医学图像诊断任务中提高了特征表示，尤其在无标注样本数量较多时。综述了X射线、CT、MRI和超声成像领域中的研究，发现自监督预训练普遍提高了诊断任务性能。建议结合临床知识与自监督学习，评估公共数据集，扩展超声成像领域研究，研究自监督预训练对泛化性能的影响。
