يُعدّ النقص الكبير في توفر مجموعات بيانات الأشعة الصدرية المُصنّفة عاملًا مُعيقًا رئيسيًا في تطوير طرق التصوير الطبي. ويمكن لتعلم التحفيز الذاتي (SSL) تخفيف هذه المشكلة من خلال تدريب النماذج على بيانات غير مصنفة. علاوةً على ذلك، أظهر التدريب المسبق باستخدام التعلم الذاتي نتائج واعدة في التعرف البصري على الصور الطبيعية، لكنه لم يُحظَ بقدر كبير من الاهتمام في مجال تحليل الصور الطبية. في هذه الدراسة، نقترح طريقةً ذاتية التحفيز تُسمى DINO-CXR، وهي تكيّف جديد لطريقة DINO ذات التعلم الذاتي القائمة على نموذج المحول البصري (Vision Transformer) لتصنيف الأشعة الصدرية. وتم إجراء تحليل مقارن لإظهار فعالية الطريقة المقترحة في كشف الالتهاب الرئوي ومرض كوفيد-19. كما أظهر التحليل الكمي أن الطريقة المقترحة تتفوق على الطرق الرائدة حاليًا من حيث الدقة، وتُحقّق نتائج مماثلة من حيث معامل AUC ودرجة F-1، مع الحاجة إلى كمية أقل بكثير من البيانات المصنفة.