AutoSeg——引导归纳偏置以实现自动病理分割
图像与视频处理
2022-01-25 v1 计算机视觉与模式识别
摘要
在医学影像中，无监督、半监督或自监督的病理检测通常通过异常检测或分布外检测方法来进行，这些方法的归纳偏置并非有意指向病理检测，因此对该任务而言是次优的。为解决此问题，我们提出 AutoSeg，一种能够生成多样且类似真实世界病理性质的人工异常的引擎。我们的方法能够准确分割未见的人工异常，并在具有挑战性的真实世界胸部 X 光图像数据集上优于现有的病理检测方法。我们在 Medical Out-of-Distribution Analysis Challenge 2021 上对所提方法进行了实验评估。
引用
@article{arxiv.2201.09579,
title = {AutoSeg -- Steering the Inductive Biases for Automatic Pathology Segmentation},
author = {Felix Meissen and Georgios Kaissis and Daniel Rueckert},
journal= {arXiv preprint arXiv:2201.09579},
year = {2022}
}
备注
8 pages, 3 figures, part of the MICCAI MOOD Challenge 2021