基于自编码器潜空间分析的脑细微异常检测：在新发帕金森病患者中的应用
图像与视频处理
2023-02-28 v1 人工智能
摘要
基于神经网络的异常检测在缺乏或没有监督信息且存在如几乎不可见的脑病灶等细微异常的临床应用中仍然具有挑战性。在无监督方法中，基于块的自编码器凭借其潜空间提供的高效表示能力，在可见病灶检测中已展现出良好结果。然而，常用的重建误差准则在面对较不明显的病灶时可能限制其性能。在本工作中，我们设计了两种替代检测准则。它们源自多元分析，并能更直接地从潜空间表示中捕获信息。在一个困难的新发帕金森病(PD)分类任务上，它们的性能优于两种额外的监督学习方法。
引用
@article{arxiv.2302.13593,
title = {Brain subtle anomaly detection based on auto-encoders latent space analysis : application to de novo parkinson patients},
author = {Nicolas Pinon and Geoffroy Oudoumanessah and Robin Trombetta and Michel Dojat and Florence Forbes and Carole Lartizien},
journal= {arXiv preprint arXiv:2302.13593},
year = {2023}
}