SELF-SUPERVISED PRE-TRAINING BASED ON CONTRASTIVE COMPLEMENTARY MASKING FOR SEMI-SUPERVISED CARDIAC IMAGE SEGMENTATION

2024 IEEE International Symposium on Biomedical Imaging (ISBI)

摘要：

        心脏结构分割对心脏病诊断非常重要，而使用大量注释的深度学习在这项任务中取得了显著的成绩。半监督学习（SSL）有望降低标注成本。然而，大多数半监督学习方法仅利用未标注的图像进行一致性正则化或伪标签，而忽视了其通过预训练进行特征学习的潜力。在这项工作中，我们提出了一个新颖的框架，利用自监督预训练来实现更好的半监督分割。我们的框架由两个模块组成：1) 基于对比互补掩码（CCM）的自监督预训练，即对同一输入的互补掩码版本进行编码的两个网络使用对比损失，此外还使用重构损失来增强全局和局部特征