基于变分自编码器的皮肤疾病图像异常检测
机器学习
2018-07-26 v2 机器学习
摘要
本文中，我们展示了应用变分自编码器（VAE）[10] 进行皮肤疾病图像异常检测的潜力。VAE 是一类深度生成模型，通过最大化数据分布的证据下界进行训练 [10]。当仅在正常数据上训练时，所得模型能够进行高效推断，并判断测试图像是否正常。我们在 ISIC2018 挑战疾病分类数据集（任务 3）上开展实验，并比较了使用 VAE 检测异常的不同方法。该模型能以 0.779 的 AUCROC 检测所有疾病。若关注特定疾病，模型能以 0.864 的 AUCROC 检测黑色素瘤，以 0.872 的 AUCROC 检测光化性角化病，即使其仅见过痣的图像。据我们所知，这是深度生成模型用于皮肤病学异常检测的首个应用工作。
引用
@article{arxiv.1807.01349,
title = {Anomaly Detection for Skin Disease Images Using Variational Autoencoder},
author = {Yuchen Lu and Peng Xu},
journal= {arXiv preprint arXiv:1807.01349},
year = {2018}
}
备注
8 pages, 2 figures, submitted to ISIC Skin Image Analysis Workshop and Challenge at MICCAI 2018