본 논문은 3D 의료 영상에 대한 자기 지도 학습(SSL) 분야의 일관성과 표준화 부족 문제를 해결하기 위해, 세 가지 주요 공헌을 제시합니다. 첫째, 11만 4천 개의 3D 뇌 MRI 볼륨을 포함하는, 현재까지 공개된 데이터셋 중 가장 큰 규모의 사전 훈련 데이터셋을 공개합니다. 둘째, 상태-최첨단 CNN 및 Transformer 아키텍처를 사용하여 기존 3D 자기 지도 학습 방법들을 벤치마킹하여 3D SSL 사전 훈련의 현황을 명확히 합니다. 벤치마킹 결과, 사전 훈련된 방법들이 강력한 from-scratch nnU-Net ResEnc-L 기준 모델을 능가함을 보여줍니다. 마지막으로, 사전 훈련 및 미세 조정 프레임워크의 코드와 벤치마킹 과정에서 생성된 사전 훈련된 모델들을 공개하여 빠른 채택과 재현을 용이하게 합니다.
