研究人员开发了一种使用掩码自编码器（MAE）的自监督预训练框架，以提高nnFormer模型在医学图像分割中的效率。该方法通过重建被掩盖的部分，使模型能够从无标签的医学图像中学习解剖结构表示，从而解决了医学影像中标记数据有限的挑战。实验表明，该方法在标记数据较少的情况下，能够提高分割性能，加速微调收敛，并改善泛化能力。 AI
影响 提高了医学图像分割的效率和泛化能力，可能减少对大量专家标注的依赖。
排序理由 这是一篇关于医学图像分割新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.22854v1 Announce Type: new Abstract: Transformer architectures, including nnFormer,have demonstrated promising results in volumetric medical image segmentation by being able to capture long-range spatial interactions. Although they have high performance, these models n…