Revisione Sistematica dell'Apprendimento Auto-Supervisionato Allineato al Compito nell'Imaging Medico
È stata pubblicata una revisione sistematica che esamina 75 studi pubblicati tra il 2017 e il 2025, incentrata sull'apprendimento auto-supervisionato (SSL) allineato al compito nell'imaging medico. Organizzata in quattro paradigmi—apprendimento contrastivo, non contrastivo e predittivo, generativo e basato sulla ricostruzione, e ibrido—la revisione segue le linee guida PRISMA. Correla ciascun paradigma con obiettivi downstream, come classificazione, segmentazione e rilevamento. È interessante notare che non esiste una strategia SSL ottimale universale; l'efficacia varia in base all'allineamento del compito. Lo studio offre anche linee guida progettuali per l'SSL nell'imaging medico ed è accessibile su arXiv con ID 2605.23995.
Fatti principali
- La revisione analizza 75 studi pubblicati tra il 2017 e il 2025.
- I metodi SSL sono organizzati in quattro paradigmi: contrastivo, non contrastivo e predittivo, generativo e basato sulla ricostruzione, e ibrido.
- La revisione segue le linee guida PRISMA.
- Lo studio mappa ciascun paradigma a obiettivi downstream come classificazione, segmentazione e rilevamento.
- Non esiste una strategia SSL universalmente ottimale; le prestazioni dipendono dall'allineamento del compito.
- La revisione fornisce linee guida progettuali pratiche per l'SSL nell'imaging medico.
- L'articolo è disponibile su arXiv con ID 2605.23995.
- La revisione è orientata al compito, concentrandosi sulla progettazione del compito pretext e sull'allineamento degli obiettivi clinici.
Entità
Istituzioni
- arXiv