医学影像中的异常检测——小型综述
图像与视频处理
2024-12-03 v2 计算机视觉与模式识别
机器学习
摘要
医学影像的日益数字化使得基于机器学习的病灶检测、可视化与分割得以改进，从而减轻了医学专家的工作负担。然而，监督式机器学习需要可靠的标注数据，这类数据往往难以或无法收集，或至少耗时且成本高昂。因此，仅需部分标注数据（半监督）或完全无需标注（无监督方法）的方法已得到更常规的应用。异常检测是一种能够利用半监督与无监督方法来处理医学影像分类与分割等任务的可行方法论。本文通过对医学影像中相关异常检测论文的半穷尽文献综述，将其按应用聚类、突出重要结果、总结经验教训，并就如何开展医学影像中的异常检测给出进一步建议。该定性分析基于 Google Scholar 和 4 个不同检索词，共分析了 120 篇不同的论文。主要结果表明，当前研究主要动机在于减少对标注数据的需求。此外，脑 MRI 领域成功且大量的研究显示了在 OCT 和胸部 X 光等更多领域中的应用潜力。
引用
@article{arxiv.2108.11986,
title = {Anomaly Detection in Medical Imaging -- A Mini Review},
author = {Maximilian E. Tschuchnig and Michael Gadermayr},
journal= {arXiv preprint arXiv:2108.11986},
year = {2024}
}
备注
Accepted and presented at iDSC2021 edit: During work on this publication Maximilian Ernst Tschuchnig was affiliated with Salzburg University of Applied Sciences and University of Salzburg