BMAD:医学异常检测基准
图像与视频处理
2024-04-30 v3 计算机视觉与模式识别
摘要
异常检测(AD)是机器学习与计算机视觉中的基础研究问题,在工业检测、视频监控和医学诊断中具有实际应用。在医学影像中,AD 对于检测与诊断可能指示罕见疾病或病症的异常尤为关键。然而,缺乏一种通用且公平的基准来评估医学图像上的 AD 方法,这阻碍了该特定领域中更通用与鲁棒 AD 方法的发展。为弥补这一差距,我们引入了一个用于评估医学图像上异常检测方法的综合评测基准。该基准涵盖了来自五个医学领域(即脑 MRI、肝 CT、视网膜 OCT、胸 X 光和数字组织病理学)的六个重组数据集与三个关键评估指标,并包含共十四个最先进的 AD 算法。这一标准化且精心整理的医学基准连同结构良好的代码库,使得对近期提出的异常检测方法进行全面比较成为可能。它将促进学界进行公平比较并推动医学影像上 AD 领域的发展。有关 BMAD 的更多信息可在我们的 GitHub 仓库获取:https://github.com/DorisBao/BMAD
引用
@article{arxiv.2306.11876,
title = {BMAD: Benchmarks for Medical Anomaly Detection},
author = {Jinan Bao and Hanshi Sun and Hanqiu Deng and Yinsheng He and Zhaoxiang Zhang and Xingyu Li},
journal= {arXiv preprint arXiv:2306.11876},
year = {2024}
}