マスクに導かれた自己教師付き学習から学ぶ一般化可能な3D医用画像表現
arXiv cs.CV / 2026/3/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- MASSは3D医用画像に対するマスクに導かれた自己教師付き学習を導入し、文脈内セグメンテーションを前処理タスクとして扱い、注釈データなしで汎用的な表現を学習します。
- 自動的に生成されるクラス非依存マスクを構造的監督信号として提供し、外観・形状・空間的文脈・解剖学的関係の総合的な組み合わせを通じて医療構造の意味的定義を学習できるようにします。
- データレジームを横断して、MASSは小規模な単一データセットの事前学習から、5,000件のCT・MRI・PETボリュームを用いた大規模なモーダル間事前学習へとスケールします。新規構造に対するFew-shotセグメンテーションを可能にし、ラベルが乏しい場合には自己教師ありベースラインを20ポイント以上のDiceスコアで上回る成果を達成します。さらに、凍結したエンコーダが数千サンプルの未見病理にも完全に監督されたトレーニングと同等の性能を発揮できることを示します。
- コードはGitHubで公開されており、専門家のアノテーションなしで3D医用画像の基盤モデルを追求することを可能にします。
