لقد أفضى التعلم ذاتي التوجيه (SSL) إلى تطورات مهمة في مجال الرؤية الحاسوبية من خلال تمكين التعلم من كميات كبيرة من البيانات غير المُعلَّمة. وبما أن تسمية البيانات في مجال الطب يتطلب خبرة متخصصة للغاية، فقد يُعد هذا النوع من التعلم له دور محوري في مجال الطب الحيوي. ومع ذلك، لا يزال هناك العديد من مجالات الرعاية الصحية التي لم تُدرَس بشكل واسع باستخدام التعلم ذاتي التوجيه. أحد هذه المجالات هو المنظار، وهي إجراءات طبية غير جراحية تُستخدم بشكل شائع للكشف عن العدوى والأمراض الالتهابية المزمنة أو السرطان. في هذه الدراسة، نستعرض استخدام إطار عمل SSL الرائد، المعروف باسم الشبكات السيامية المُقنعة (MSNs)، في تحليل مقاطع الفيديو المنظارية مثل منظار القولون ومنظر البطن الجراحي. وللإسهام الكامل في إمكانات التعلم ذاتي التوجيه، قمنا بإنشاء مجموعات بيانات كبيرة من مقاطع الفيديو المنظارية غير المُعلَّمة لتدريب نماذج MSNs. وتُشكّل هذه التمثيلات الصورية القوية الأساس لتدريب ثانوي باستخدام مجموعات بيانات مُعلَّمة محدودة، مما يؤدي إلى أداء متميز في معايير أداء المنظار، مثل تحديد مراحل الجراحة أثناء منظار البطن، وتصنيف الأورام في منظار القولون. علاوةً على ذلك، تم تحقيق تخفيض بنسبة 50٪ في حجم البيانات المُعلَّمة دون التضحية بالأداء. وهكذا، تُقدِّم هذه الدراسة دليلاً قوياً على أن التعلم ذاتي التوجيه يمكنه تقليل الحاجة الكبيرة إلى البيانات المُعلَّمة في مجال المنظار بشكل كبير.