Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.18613

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2508.18613 (eess)
[提交于 2025年8月26日 ]

标题: ModAn-MulSupCon:医学影像的模态和解剖结构感知多标签监督对比预训练

标题: ModAn-MulSupCon: Modality-and Anatomy-Aware Multi-Label Supervised Contrastive Pretraining for Medical Imaging

Authors:Eichi Takaya, Ryusei Inamori
摘要: 背景和目标:专家标注限制了医学影像中的大规模监督预训练,而普遍存在的元数据(模态、解剖区域)仍未被充分利用。 我们引入了ModAn-MulSupCon,这是一种模态和解剖感知的多标签监督对比预训练方法,利用此类元数据来学习可迁移的表示。 方法:每个图像的模态和解剖区域被编码为一个多热向量。 使用Jaccard加权多标签监督对比损失,在RadImageNet的一个小子集(miniRIN,16,222张图像)上对ResNet-18编码器进行预训练,然后通过微调和线性探测在三个二分类任务上进行评估——ACL撕裂(膝关节MRI)、病灶恶性(乳腺超声)和结节恶性(甲状腺超声)。 结果:经过微调,ModAn-MulSupCon在MRNet-ACL(0.964)和甲状腺(0.763)上达到了最佳AUC,超过了所有基线($p<0.05$),在乳腺(0.926)上排名第二,仅次于SimCLR(0.940;不显著)。 当编码器冻结时,SimCLR/ImageNet表现更优,这表明ModAn-MulSupCon的表示最受益于任务适应,而不是线性可分性。 结论:将易于获得的模态/解剖元数据编码为多标签目标提供了一种实用且可扩展的预训练信号,在微调可行时可以提高下游准确性。 ModAn-MulSupCon是标签稀缺临床环境中的强大初始化方法,而SimCLR/ImageNet在冻结编码器部署中仍更受青睐。
摘要: Background and objective: Expert annotations limit large-scale supervised pretraining in medical imaging, while ubiquitous metadata (modality, anatomical region) remain underused. We introduce ModAn-MulSupCon, a modality- and anatomy-aware multi-label supervised contrastive pretraining method that leverages such metadata to learn transferable representations. Method: Each image's modality and anatomy are encoded as a multi-hot vector. A ResNet-18 encoder is pretrained on a mini subset of RadImageNet (miniRIN, 16,222 images) with a Jaccard-weighted multi-label supervised contrastive loss, and then evaluated by fine-tuning and linear probing on three binary classification tasks--ACL tear (knee MRI), lesion malignancy (breast ultrasound), and nodule malignancy (thyroid ultrasound). Result: With fine-tuning, ModAn-MulSupCon achieved the best AUC on MRNet-ACL (0.964) and Thyroid (0.763), surpassing all baselines ($p<0.05$), and ranked second on Breast (0.926) behind SimCLR (0.940; not significant). With the encoder frozen, SimCLR/ImageNet were superior, indicating that ModAn-MulSupCon representations benefit most from task adaptation rather than linear separability. Conclusion: Encoding readily available modality/anatomy metadata as multi-label targets provides a practical, scalable pretraining signal that improves downstream accuracy when fine-tuning is feasible. ModAn-MulSupCon is a strong initialization for label-scarce clinical settings, whereas SimCLR/ImageNet remain preferable for frozen-encoder deployments.
主题: 图像与视频处理 (eess.IV) ; 机器学习 (cs.LG)
引用方式: arXiv:2508.18613 [eess.IV]
  (或者 arXiv:2508.18613v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.18613
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Eichi Takaya [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 02:27:00 UTC (2,801 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.LG
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号