一篇新的研究论文探讨了自监督预训练在视网膜疾病进展建模中的有效性，尤其是在标记的纵向数据稀缺的情况下。该研究聚焦于年龄相关性黄斑变性，使用NAKO队列的横断面数据和AREDS数据集的纵向进展数据，比较了各种预训练策略。结果表明，冻结的自监督编码器，特别是使用对比学习或掩码自编码目标训练的编码器，在标记样本有限的情况下，可以实现临床相关的区分能力，优于从头开始训练的模型。该研究提出了一种实用的方法，通过使用冻结的自监督编码器和轻量级的生存模型头来构建疾病进展模型。 AI
影响 这项研究为开发更准确的眼科疾病进展模型提供了一种实用的方法，尤其是在数据有限的情况下。
排序理由 该集群包含一篇研究论文，详细介绍了使用自监督学习进行疾病进展建模的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
