一種具有域自適應(yīng)反標準化的多模態(tài)醫(yī)學圖像對比學習算法

摘要： 最近，深度學習在醫(yī)學圖像任務(wù)中取得了令人矚目的成果。然而，這種方法通常需要大規(guī)模的標注數(shù)據(jù)，而醫(yī)學圖像的標注成本較高，因此如何從有限的標注數(shù)據(jù)中進行高效學習是一個難題。目前，常用的兩種方法是遷移學習和自監(jiān)督學習，然而這兩種方法在多模態(tài)醫(yī)學圖像中的研究卻很少，因此本研究提出了一種多模態(tài)醫(yī)學圖像對比學習方法。該方法將同一患者不同模態(tài)的圖像作為正樣本，有效增加訓練過程中的正樣本數(shù)量，...