本文介绍了DrasCLR自监督学习框架在3D医学成像中的应用，旨在提取解剖特征并减少对标注数据的需求。研究表明，该框架在肺部图像的预测和分割任务中表现优异，强调了解剖上下文的重要性。此外，研究还探讨了自监督学习在内窥镜视频分析和脑电信号处理中的应用，显示出其在降低数据标注时间和成本方面的潜力。

DrasCLR是一种新型的自监督学习框架，可用于肺部图像的预测和分割任务，包括病人存活预测任务和肺气肿子类型检测。采用基于实例鉴别的方法，在3D医学成像中提取具有解析解剖学特定功能的特征。引入解剖上下文对自监督学习框架具有重要意义，可以大大减少注释精力。