基于深度感知自编码器的医学图像异常检测

异常检测是基于已见正常数据样本识别异常输入的问题。尽管深度学习在图像异常识别方面近期取得进展，这些方法仍被证明难以处理复杂的医学图像，例如胸部 X 光中几乎不可见的异常和淋巴结中的转移灶。为解决此问题，我们引入了一种新的强有力图像异常检测方法。它依赖经典自编码器方法，并重新设计了训练流程以处理高分辨率复杂图像，以及一种计算图像异常分数的鲁棒方式。我们重新审视了完全无监督异常检测的问题设定，即在模型建立期间完全不提供异常样本。我们提议放宽这一不现实假设，仅使用极少数量且变异性受限的异常来启动模型超参数的搜索。我们在具有已知基准的自然图像数据集以及包含两个包含放射学和数字病理图像的医学数据集上评估了我们的方案。所提方法提出了图像异常检测的新强基线，并在复杂医学图像分析任务中优于最先进的方法。