MAE-UNETR++：自监督预训练助力肺结节分割

医学影像的三维标注成本高昂，且领域差异导致传统迁移学习效果不佳。为此，研究团队提出MAE-UNETR++模型，采用掩码自编码器预训练策略，有效打破数据效率瓶颈。实验表明，该方法在三维肺结节分割任务中优于其他自监督学习方法，尤其在领域差异大的场景下表现突出。该研究为医学图像分析提供了更经济的预训练方案，但作为预印本，尚未经过同行评审。