3D CT-GraphEdgeMAE: 3D CT Image Anomaly Detection Using Self-Supervised Graph Edge Mask Autoencoders
Este artículo propone 3D CT-GraphEdgeMAE, un marco de aprendizaje autodidacta basado en grafos que utiliza el enmascaramiento de aristas, un decodificador novedoso con producto de Hadamard y similitud de subgrafos, y una pérdida de reconstrucción contrastiva sensible a la topología para lograr una detección de anomalías en TC 3D eficiente y de alto rendimiento con costos computacionales y tiempo de entrenamiento significativamente reducidos en el conjunto de datos LUNA16.