自监督学习方法及其在医学影像分析中的应用综述

高质量注释医学影像数据集的稀缺性是医学影像分析领域机器学习应用面临的主要问题，阻碍了其发展。自监督学习是一种新兴的训练范式，能够在无需人工注释的情况下学习鲁棒的表示，被视为解决注释医疗数据稀缺问题的有效方案。本文综述了自监督学习在图像数据上的最新研究方向，重点关注其在医学影像分析领域的应用。文章涵盖了来自计算机视觉领域且适用于医学影像分析的最新自监督学习方法，将其分类为预测型、生成型和对比型方法。此外，文章还评述了该领域40篇最新的自监督学习研究论文，旨在揭示领域内的最新创新。最后，文章总结了该领域未来可能的研究方向。