对抗性自监督学习在医疗图像聚类中的应用

doi:10.16009/j.issn.1009-5624.2026.02.029

信息记录材料 ›› 2026, Vol. 27 ›› Issue (2) : 91 -93. DOI: 10.16009/j.issn.1009-5624.2026.02.029

对抗性自监督学习在医疗图像聚类中的应用

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对在无监督医疗图像聚类中，主流自监督学习因依赖简单图像变换导致特征判别力不足的挑战，本文提出一种对抗性自监督学习(ASSL)框架。该框架融合生成对抗网络(GAN)的对抗博弈与自监督对比学习目标，创新性地将生成的伪图像作为“难负样本”注入对比学习过程，以增强特征判别力。在多个医疗数据集上的实验证明，所提ASSL框架在各项聚类指标上均表现出优异性能。