다기관 자기 지도 대비 학습을 통한 유방 병변 분할

자가 지도 학습은 의료 이미징과 같이 주석이 달린 레이블이 부족한 분야에서 표현을 학습하는 효과적인 방법으로 입증되었습니다. 이러한 목적을 위해 널리 채택된 프레임워크는 대비 학습이며 다양한 시나리오에 적용되어 왔습니다. 본 논문은 특정 장기 관련 목표 작업에 맞춰 모델을 사전 훈련하기 위해 다기관 데이터셋을 사용하는 새로운 관점을 탐구함으로써 대비 학습 프레임워크에 대한 이해를 발전시키고자 합니다. 보다 구체적으로, 우리의 목표 작업은 초음파 영상에서 유방 종양 분할입니다. 사전 훈련 데이터셋에는 폐와 심장과 같은 다른 장기의 초음파 영상 및 대규모 자연 이미지 데이터셋이 포함됩니다. 우리의 결과는 기존 대비 학습 사전 훈련이 감독된 기준 접근 방식에 비해 성능을 향상시킨다는 것을 보여줍니다. 나아가, 사전 훈련된 모델이 가용 레이블 데이터의 절반만으로 미세 조정했을 때도 유사한 성능을 달성합니다. 우리의 발견은 다운스트림 작업의 성능 향상을 위한 다양한 장기 데이터에 대한 사전 훈련의 장점도 보여줍니다.