L2GSSL框架提升低标注医疗CT学习效果
发生了什么
据arXiv cs.CV论文，研究提出L2GSSL自监督学习框架，用于医疗CT体积数据。该框架将预训练分解为切片内和切片间表示空间，利用未标注数据。在LIDC-IDRI肺结节恶性分类任务中，仅使用10%标签时AUROC达0.9229，25%标签时达0.9377，优于体积级VICReg基线。全标签下与最强监督基线差距仅0.0044 AUROC。
- 10%标签AUROC
- 0.9229
- 25%标签AUROC
- 0.9377
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口