使用自监督学习改进囊性水瘤检测

本文探讨了使用超声图像检测囊性水瘤（一种高危产前疾病）的挑战。主要贡献是应用超声特异性自监督学习（USF-MAE）来克服小规模标记数据集的限制。结果表明，该方法优于基线模型，突出了这种方法在早期筛查和改善患者预后方面的潜力。

• •自监督学习，特别是 USF-MAE，对于检测超声图像中的囊性水瘤是有效的。
• •该模型实现了高精度、敏感性和特异性，优于标准基线。
• •该方法解决了医学影像中标记数据有限的挑战。
• •通过 Score-CAM 可视化增强了模型的可解释性，显示了临床相关性。