近期，实验室有一篇文章被MIA接收。MIA的全称是Medical Image Analysis，是医学图像处理方向的顶级期刊，SCI影响因子为8.79。
Rubik’s Cube+: A Self-supervised Feature Learning Framework for 3D Medical Image Analysis (Jiuwen Zhu, Yuexiang Li, Yifan Hu, Kai Ma, S. Kevin Zhou, Yefeng Zheng)
随着深度学习的发展，越来越多的研究工作建立了三维医学数据的自动化分析系统，以提高病人护理的效率。然而，很好地训练神经网络需要获得大量有标注的3D医学数据，而这是一项具有挑战性的工作，因为医生手工标注是一项费时费力的工作。自监督学习是一种可能的解决方案，它通过深入挖掘原始数据信息来缓解对数据标注的强烈需求。在这篇论文中，我们提出了一个针对医学体数据的新的自监督学习框架。具体来说，我们提出一个代理任务，即，魔方+，来预训练三维神经网络。代理任务包括三种操作，即立方体排序、立方体旋转和立方体遮挡。代理任务将迫使网络从原始三维医学数据中学习平移和旋转不变特征，同时对数据的噪声有一定容忍性。相比于从头开始的训练策略，利用魔方+预训练再进行微调，可以显著提高三维神经网络在脑出血分类、脑瘤分割等任务上的准确性，而不需要使用额外的数据。
