#自监督学习

自监督OCT图像分析新方法降低标注依赖

研究提出一种用于视网膜OCT图像分类的自监督表征学习框架，通过局部维度正则化缓解特征退化，保留细微结构信息。在三个独立OCT数据集上分别达到94.35%、92.48%和92.56%的分类准确率，性能优于主流自监督方法，旨在减少对专家标注的依赖。