3D CT-GraphEdgeMAE: 3D CT Image Anomaly Detection Using Self-Supervised Graph Edge Mask Autoencoders
Este artigo propõe o 3D CT-GraphEdgeMAE, um framework baseado em grafos auto-supervisionado que utiliza mascaramento de arestas, um novo decodificador com produto de Hadamard e similaridade de subgrafos, e uma perda de reconstrução contrastiva sensível à topologia para alcançar a detecção de anomalias em TC 3D de forma eficiente e de alto desempenho, com custos computacionais e tempo de treinamento significativamente reduzidos no conjunto de dados LUNA16.