综述：人工智能时代的X射线模态：自监督学习方法概述

这篇综述系统阐述了自监督学习（SSL）在X射线影像（包括常规X光、CT、Mammography和牙科X光）中的革命性应用，提出SSL通过无监督预训练（pretext task）和下游任务微调的两阶段范式，有效解决了医学影像标注数据稀缺、跨模态差异等核心痛点，尤其在分类（如COVID-19检测）、分割（如器官/病变定位）和多模态融合（如影像-文本联合建模）任务中展现出超越监督学习的潜力。

人工智能时代的医学影像革命

医学影像领域正经历着自监督学习（SSL）技术带来的范式变革。不同于依赖海量标注数据的传统监督学习，SSL通过设计巧妙的代理任务（pretext task），从无标注数据中自动提取特征表示，为医学影像分析开辟了新路径。

自监督学习基础架构

SSL的核心流程包含两个关键阶段：预训练阶段通过代理任务（如图像修复、拼图重组等）构建特征表示，下游阶段则针对具体临床任务进行微调。根据代理任务设计差异，主流方法可分为生成式与对比式两大流派。

生成式模型通过编码器-解码器结构学习数据分布，典型代表包括：

1. 自回归模型（PixelCNN++等）——逐像素预测，擅长捕捉局部依赖但忽略全局关联

2. 自编码器变体——包含去噪自编码器（DAE）、卷积自编码器（CAE）和变分自编码器（VAE），在图像压缩、降噪等预处理环节表现突出

对比式模型则通过构建正负样本对进行特征区分，包含：

• 上下文-实例对比（如DeepInfoMax）——建立局部特征与全局语境关联

• 实例-实例对比（如MoCo、SimCLR）——通过数据增强生成相似样本对

X射线模态应用全景

常规X光领域，MoCo-CXR通过定制化数据增强（10°随机旋转+水平翻转）构建胸部X光特征表示，在CheXpert数据集上AUC达0.813，显著优于ImageNet预训练模型。COVID-19疫情期间，C²L模型通过双阶段预训练策略（自然图像→医学影像），将肺炎检测准确率提升至98.6%。

CT影像分析面临三维数据处理的特殊挑战。Rubik's Cube++模型通过体素重组任务学习空间特征，在胰腺分割任务中DSC达84.08%。联邦对比学习（FCL）框架则实现跨机构数据协同训练，在ACDC数据集上仅需1例标注即可达到0.656 Dice系数。

乳腺X线摄影领域，研究者发现传统旋转预测等代理任务不适用于微小肿瘤检测，转而采用拼图重组策略，在CBIS-DDSM数据集上取得0.815 AUC。牙科X光中，LCD-Net通过对比学习预训练+双分支网络，将颌骨肿瘤检测IoU提升至71.26%。

多模态与预处理创新

突破性的M³AE模型通过掩码自编码架构，实现医学影像-文本的跨模态对齐，在SLAKE问答数据集准确率达87.82%。在预处理环节，Poisson2Sparse方法针对泊松噪声特性，使荧光显微镜图像PSNR提升2dB；Deformed2Self模型结合运动估计与降噪，将动态CT信噪比提升31.77%。

挑战与未来方向

尽管优势显著，SSL仍面临三大挑战：

1. 三维数据对比学习需要超大批次（batch size），计算成本高昂

2. 解码器随机初始化可能破坏预训练特征

3. 医学影像相似解剖结构导致假阴性样本激增

未来研究将聚焦：跨模态通用表征学习、小样本适应算法，以及符合临床规范的模型可解释性研究。正如综述所强调，SSL正打破"算法开发多、临床落地少"的困局，为智慧医疗提供关键技术支撑。