MAESIL：強化された自己教師あり医用画像学習のためのマスクドオートエンコーダ

要旨: コンピュータ断層撮影（CT）のような3次元（3D）医用画像のための深層学習モデルの学習は、ラベル付きデータの不足によって根本的に困難です。自然画像での事前学習は一般的ですが、これにより大きなドメインシフトが生じ、性能が制限されます。ラベルなしの医用データに対する自己教師あり学習（SSL）が強力な解決策として登場していますが、主要な枠組みの多くはCTスキャンに内在する3Dの性質をうまく活用できていません。これらの手法は通常、3Dスキャンを独立した2Dスライスの集合として処理し、その方法は重要な軸方向の一貫性と3D構造的文脈を根本的に捨て去ってしまいます。この制約に対処するために、3D構造情報を効率的に捉えることを目的とした、新しい自己教師あり学習フレームワークである、強化自己教師あり医用画像学習のオートエンコーダ（MAESIL）を提案します。中核となる革新は「スーパーパッチ」であり、3Dコンテキストの保持と計算効率のバランスを取る3Dチャンクベースの入力単位です。提案手法では、ボリュームをスーパーパッチに分割し、包括的な空間表現を学習するために、二重マスキング戦略を伴う3Dマスク付きオートエンコーダの手法を用います。私たちは、3つの多様で大規模な公開CTデータセットで提案手法を検証しました。実験結果から、MAESILは、PSNRやSSIMといった主要な再構成指標において、AE、VAE、VQ-VAEなどの既存手法よりも大幅な改善を示すことが分かりました。これにより、MAESILは3D医用画像タスクのための堅牢で実用的な事前学習ソリューションとして確立されます。