SLIMP (Skin Lesion Image-Metadata Pre-training)는 이미지와 메타데이터 간의 복잡한 관계를 포착하는 새로운 중첩 대조 학습 접근 방식을 통해 피부 병변의 풍부한 표현을 학습하는 방법을 제시합니다. 기존의 이미지 기반 모반 검출 및 피부 병변 분류는 조명, 색상, 해상도, 거리 등 영상 조건의 큰 차이와 임상 및 표현형 맥락의 부족으로 인해 어려움을 겪습니다. SLIMP는 개별 피부 병변의 외관과 메타데이터를 환자의 병력 및 기타 임상적으로 관련된 정보와 관련된 환자 수준의 메타데이터와 결합하여 이러한 문제를 해결합니다. 학습 과정 전반에 걸쳐 모든 사용 가능한 데이터 모드를 완전히 활용함으로써, 제안된 사전 학습 전략은 하위 피부 병변 분류 작업에서 다른 사전 학습 전략에 비해 성능을 향상시켜 학습된 표현의 질을 강조합니다.
