Mapping medical image-text to a joint space via masked modeling

计算机科学 人工智能 遮罩(插图) 抽象 编码(集合论) 水准点(测量) 代表(政治) 源代码 接头(建筑物) 自然语言处理 特征学习 计算机视觉 领域(数学分析) 模式识别(心理学) 机器学习 程序设计语言 法学 集合(抽象数据类型) 地理 建筑工程 数学分析 视觉艺术 艺术 哲学 大地测量学 工程类 操作系统 认识论 政治 数学 政治学
作者
Zhihong Chen,Yuhao Du,Jinpeng Hu,Yang Liu,Guanbin Li,Xiang Wan,Tsung‐Hui Chang
出处
期刊:Medical Image Analysis [Elsevier]
卷期号:91: 103018-103018 被引量:5
标识
DOI:10.1016/j.media.2023.103018
摘要

Recently, masked autoencoders have demonstrated their feasibility in extracting effective image and text features (e.g., BERT for natural language processing (NLP) and MAE in computer vision (CV)). This study investigates the potential of applying these techniques to vision-and-language representation learning in the medical domain. To this end, we introduce a self-supervised learning paradigm, multi-modal masked autoencoders (M3AE). It learns to map medical images and texts to a joint space by reconstructing pixels and tokens from randomly masked images and texts. Specifically, we design this approach from three aspects: First, taking into account the varying information densities of vision and language, we employ distinct masking ratios for input images and text, with a notably higher masking ratio for images; Second, we utilize visual and textual features from different layers for reconstruction to address varying levels of abstraction in vision and language; Third, we develop different designs for vision and language decoders. We establish a medical vision-and-language benchmark to conduct an extensive evaluation. Our experimental results exhibit the effectiveness of the proposed method, achieving state-of-the-art results on all downstream tasks. Further analyses validate the effectiveness of the various components and discuss the limitations of the proposed approach. The source code is available at https://github.com/zhjohnchan/M3AE.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
4秒前
GODB1ACK发布了新的文献求助50
5秒前
快乐的晟睿完成签到,获得积分10
5秒前
liaoyoujiao发布了新的文献求助10
6秒前
sun完成签到 ,获得积分10
7秒前
7秒前
8秒前
科研通AI2S应助liyi采纳,获得10
9秒前
ZJFL发布了新的文献求助10
9秒前
guoguo完成签到 ,获得积分10
10秒前
joey完成签到,获得积分10
10秒前
11秒前
球球完成签到,获得积分10
12秒前
完美世界应助ma2332采纳,获得10
12秒前
不要蕉绿完成签到,获得积分10
13秒前
球球发布了新的文献求助30
15秒前
17秒前
17秒前
Plucky发布了新的文献求助10
18秒前
20秒前
香蕉觅云应助潘榆采纳,获得10
20秒前
调调单单完成签到,获得积分10
20秒前
21秒前
聪慧听南完成签到,获得积分10
22秒前
22秒前
苽峰发布了新的文献求助10
22秒前
宋瓜完成签到,获得积分10
24秒前
帅比杨哥发布了新的文献求助10
25秒前
25秒前
SciGPT应助天真山兰采纳,获得10
25秒前
雪妮完成签到 ,获得积分10
25秒前
lashuaka发布了新的文献求助10
25秒前
烟花应助czb采纳,获得10
26秒前
28秒前
科研通AI2S应助hh采纳,获得10
29秒前
30秒前
刘丽忠发布了新的文献求助10
31秒前
苗条从雪发布了新的文献求助10
31秒前
32秒前
高分求助中
Earth System Geophysics 1000
Co-opetition under Endogenous Bargaining Power 666
Studies on the inheritance of some characters in rice Oryza sativa L 600
Medicina di laboratorio. Logica e patologia clinica 600
Handbook of Marine Craft Hydrodynamics and Motion Control, 2nd Edition 500
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 500
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3211964
求助须知:如何正确求助?哪些是违规求助? 2860806
关于积分的说明 8126084
捐赠科研通 2526695
什么是DOI,文献DOI怎么找? 1360493
科研通“疑难数据库(出版商)”最低求助积分说明 643233
邀请新用户注册赠送积分活动 615424