一个可通用的3D框架和模型,用于医学成像中的自我监督学习
Tony Xu1, Sepehr Hosseini2, Chris Anderson3
1Department of Medical Biophysics, University of Toronto, Toronto, ON, Canada.
NPJ digital medicine
|November 7, 2025
概括
这项研究介绍了3DINO,这是一种用于3D医学成像的新型自主监督学习 (SSL) 方法. 开发的3DINO-ViT模型在各种下游成像任务中表现出卓越的性能.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 目前用于3D医学成像的自我监督学习 (SSL) 方法受到简单的借口任务和专业数据集的限制.
- 这限制了它们在各种医学成像应用中进行概括和扩展的能力.
研究的目的:
- 为3D医学成像开发一种更可通用和可扩展的自主监督学习方法.
- 在一个大型的多式联运数据集上预训练一个多功能模型,以提高下游任务性能.
主要方法:
- 介绍3DINO,一种针对3D数据集量身定制的新型自主监督学习方法.
- 3DINO-ViT的预训练,一个通用医学成像模型,在一个广泛的多式联络数据集上,包括来自10多个器官的约10万个3D扫描.
主要成果:
- 3DINO-ViT模型显著优于现有的先进预训练模型.
- 在广泛的下游医学成像任务中表现出卓越的性能.
结论:
- 3DINO代表了3D医学成像自主监督学习的重大进步.
- 预训练的3DINO-ViT模型为各种医学成像应用提供了增强的通用性和可扩展性.


