本研究提出了一种基于掩蔽自编码器的训练策略，旨在解决自动化分割胫骨平台骨折所需的标注数据问题。结果表明，仅需20个标注病例即可显著提升模型的泛化能力，具有良好的应用前景。

本研究提出了一种自监督学习方法，称为掩蔽自编码器（MAX），用于解决地质研究中模型转移性不足和数据稀缺的问题。通过在XRF光谱上预训练，MAX在准确性和可推广性上优于未预训练模型，为地质数据稀缺提供了新方案。