自主监督学习使用BYOL用于从膝盖MRI检测前十字带撕裂
Assanali Aidarkhan1, Azamat Mukhamediya1, Almira Askhatova1
1Department of Electrical and Computer Engineering, Nazarbayev University, Astana 010000, Kazakhstan.
MethodsX
|October 27, 2025
概括
这项研究使用自主监督学习 (SSL) 与引导自己的潜伏 (BYOL) 方法来改善MRI扫描中的前十字带 (ACL) 撕裂检测. 训练一个ResNet-18编码器可以提高膝盖损伤的诊断准确度.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 整形外科 整形外科 整形外科
背景情况:
- 前十字带 (ACL) 损伤是常见的膝盖疾病,需要精确的MRI检测才能及时治疗.
- 深度学习显示了分析MRI扫描用于ACL诊断的前景.
- 自主监督学习 (SSL) 从未标记的数据中有效地学习特征表示.
研究的目的:
- 评价"自带自己的潜伏" (BYOL) 方法用于预训练ResNet-18编码器用于ACL撕裂检测.
- 评估SSL衍生特征嵌入在改善ACL撕裂分类准确度方面的有效性.
主要方法:
- 在未标记的膝盖MRI扫描上使用BYOL框架进行ResNet-18编码器的自我监督预训.
- 从预训练的编码器生成的功能嵌入.
- 将这些嵌入物转移到下游分类器,用于ACL撕裂检测.
主要成果:
- 自主监督学习有效地从未标记的膝盖MRI数据中提取信息特征.
- 预训练的ResNet-18编码器增强了ACL撕裂检测的特征表示.
结论:
- SSL,特别是BYOL,是一种可行的策略,可以通过MRI改善ACL撕裂检测.
- 使用SSL训练编码器可以提高医疗图像分析中的深度学习模型的性能.
