本研究提出了一种基于掩蔽自编码器的训练策略，以解决胫骨平台骨折分割所需的大量注释数据问题。结果表明，仅使用20个标注病例，该方法显著提升了模型的泛化能力，具有广阔的应用前景。

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。