在线获取继续教育培训方案

培训主题：
参训单位：
参训人数：
联系人：
联系电话：
验证码：
备注：

马上获取联系客服

新闻中心•THE NEWS CENTER

信息学院王连生老师课题组提出一种不需要标注的放射影像预训练方法

发布时间：2022-02-10 09:33:09 浏览次数：315 来源：厦门大学若有侵权请联系400-0815-589删除

近日，信息学院王连生老师课题组在Nature机器智能子刊Nature Machine Intelligence发表论文《Generalized Radiograph Representation Learning via Cross-supervision between Images and Free-text Radiology Reports》，提出了一种不需要标注的放射影像预训练方法。

近些年来，基于深度学习的方法在放射影像分析中取得了很好的效果，而预训练是取得这些成果的基础。预训练方法期望获得迁移性更好的图像表征，以往的预训练通过在源域上进行大规模全监督或者自监督学习来达到目的。但是，全监督的预训练需要图像的标签，制作标签是一个费时费力的工程，而自监督学习目前与全监督还有一定的差距。为了解决这个重要问题，论文提出一种交叉监督的方法：REFERS(Reviewing FreE-text Reports for Supervision，REFERS)，该方法使用放射影像自带的影像报告来作为监督信息进行预训练。REFERS使用transformer可以同时处理患者的多张放射影像，从而获得更加全面的信息。