上下文分割预训练

从掩码引导自监督中学习可泛化的 3D 医学图像表征

Learning Generalizable 3D Medical Image Representations from Mask-Guided Self-Supervision

把自动生成的类无关掩码当作上下文分割的预训练 pretext task，为 3D 医学体数据提供一种无需标注、可迁移到少样本分割与冻结编码器分类的预训练范式；其「掩码提议即结构监督」的思路也可迁移到自然图像或视频的 3D/时序表征预训练。