脑 MRI 无监督异常检测中的偏置

无监督异常检测方法为监督方法提供了一种有前景且灵活的替代方案，有望革新医学扫描分析并提升诊断性能。在当前研究中，通常假设测试样本与训练分布之间的差异仅归因于病理状况，意味着任何差异都指示异常。然而，其他潜在的分布偏移来源（包括扫描仪、年龄、性别或种族）常被忽视。这些偏移会显著影响异常检测任务的准确性。此类失败的显著实例已引发对异常检测偏置、可信度与公平性的担忧。本文提出一种针对无监督异常检测中偏置的新分析。通过考察训练与测试分布间潜在的非病理分布偏移，我们阐明这些偏置的程度及其对异常检测结果的影响。此外，本研究考察由偏置引发的算法局限，为异常检测算法在准确学习并捕捉规范分布中存在的全部变异性时所遇挑战提供宝贵见解。通过此分析，我们旨在增进对这些偏置的理解，并为该领域未来改进铺平道路。此处我们以阿尔茨海默病脑 MR 影像检测为案例，揭示出与性别、种族及扫描仪差异相关的显著偏置，其大幅影响结果。这些发现与提升医学影像中异常检测可靠性、公平性与有效性的更广义目标一致。