3D CT-GraphEdgeMAE: 3D CT Image Anomaly Detection Using Self-Supervised Graph Edge Mask Autoencoders
本論文は、エッジマスキング、アダマール積と部分グラフ類似性を備えた新規デコーダ、およびトポロジー認識型の対照再構成損失を利用することで、LUNA16データセットにおいて計算コストと学習時間を大幅に削減しつつ、効率的で高性能な3D CT異常検知を実現する自己教師ありグラフベースのフレームワークである3D CT-GraphEdgeMAEを提案する。