PolarMAE：意味的スクリーニングとポーラー誘導マスキングによる効率的な胎児超音波の事前学習
arXiv cs.CV / 2026/4/20
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文では、US画像に特有の特性（冗長性、扇形の局所性、ビームフォーミングなど）を無視しがちな従来の事前学習手法の限界に対処する、超音波向け事前学習フレームワーク「PolarMAE」を提案している。
- 連続走査に伴う冗長性を抑えるために、Progressive Visual-Semantic Screening（PVSS）を導入し、価値の高いサンプルを適応的に抽出して事前学習の効率を高めている。
- Acoustic-Bounded Region Constraint（ABRC）により、学習対象を有効な音響領域に厳密に制約し、無効な暗背景に注目してしまうことを防いでいる。
- ビームフォーミングの事前知識と局所的な詳細を活用するPolar-Texture Collaborative Masking（PTCM）を設計し、放射状の画像パターンや重要な組織構造を学習できるようにしている。
- 複数データセットと胎児超音波の下流解釈タスクでの実験により、本手法がスケーラビリティと効率性の高い事前学習とともに、最先端性能を達成することを示している。
