Sep, 2023
AMLP：自适应遮罩损伤区域修补的自监督医学图像分割
AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation
TL;DR基于自监督掩蔽图像建模的方法在自然图像上取得了有希望的结果，但将这样的方法直接应用于医学图像仍然具有挑战性。本文提出了一种新颖的自监督医学图像分割框架，名为自适应掩蔽病变补丁（AMLP）。通过设计Masked Patch Selection（MPS）策略来确定和关注包含病变的补丁，以准确重建重要的病变区域，同时引入Attention Reconstruction Loss（ARL）以解决聚类导致的错分问题，并通过Category Consistency Loss（CCL）对补丁进行细化分类，进一步区分病变和背景。此外，我们还开发了一种自适应掩蔽比例（AMR）策略，逐步增加掩蔽比例以扩大可重建信息和改善学习效果。通过在两个医学分割数据集上进行广泛实验，证明了AMLP相对于现有的自监督方法具有出色的性能。该方法有效地解决了将掩蔽建模应用于医学图像上的局限性，并特别适用于捕捉分割任务中至关重要的精细病变细节。