医学异常检测的贝叶斯自动编码器：脑部2 MRI分析的不确定性感知方法
机器学习
2025-04-23 v1 计算机视觉与模式识别
摘要
在医学影像中, 异常检测是医疗诊断的关键要素, 尤其是对于可能危及生命的神经系统疾病。传统的确定性方法在捕捉异常检测任务内在不确定性方面往往不足。本文引入了一个配备多头注意力机制的贝叶斯变分自动编码器(VAE), 用于检测脑部磁共振成像(MRI)中的异常。为提高异常检测性能, 我们通过贝叶斯推断整合了 both epistemic and aleatoric uncertainty 估计。该模型在 BraTS2020 数据集上进行测试, 结果显示 ROC AUC 和 PR AUC 均为 0.83。我们的数据表明, 模型化不确定性是异常检测的关键组成部分, 不仅提升了性能和可解释性, 还为临床医生提供置信区间估计, 以便在做出医疗决策时加以利用。
引用
@article{arxiv.2504.15562,
title = {Bayesian Autoencoder for Medical Anomaly Detection: Uncertainty-Aware Approach for Brain 2 MRI Analysis},
author = {Dip Roy},
journal= {arXiv preprint arXiv:2504.15562},
year = {2025}
}
备注
16 pages, 6 figures