Apr, 2024
ConPro: 使用对比学习和偏好优化学习医学图像的严重程度表示
ConPro: Learning Severity Representation for Medical Images using
Contrastive Learning and Preference Optimization
TL;DR通过对医学图像中显示的严重程度的理解是至关重要的，可以作为临床评估、治疗和评估纵向进展的关键指南。本文提出了一种新颖的表示学习方法ConPrO，用于使用对比学习整合的偏好优化在医学图像中进行严重程度评估，与传统的对比学习方法不同，ConPrO将各种严重度类别与正常类别之间的距离偏好知识注入到潜向量中。我们系统地研究了我们框架的关键组成部分，阐明了对比预测任务如何获得有价值的表示。我们展示了我们的表示学习框架在特征空间中提供了有价值的严重度排序，并在分类任务上优于先前的最先进方法。相对于有监督和自监督基准，我们分别实现了6%和20%的相对改进。此外，我们对严重度指标进行了讨论，并探讨了在医学领域中偏好比较的相关应用。