基于潜空间正则化对抗网络的脑肿瘤异常检测
图像与视频处理
2020-07-10 v1 计算机视觉与模式识别
摘要
随着医学影像技术的发展，医学图像已成为医生诊断患者的重要依据。所采集数据中的脑结构复杂，因此医生在诊断脑部异常时需耗费大量精力。针对脑肿瘤数据不平衡及标注数据稀少的问题，我们提出了一种创新的脑肿瘤异常检测算法。该半监督异常检测模型仅以健康（正常）脑图像进行训练。模型在训练过程中捕获正常图像的共性模式，并基于潜空间的重构误差检测异常。此外，该方法首次使用奇异值约束潜空间，并通过多个损失函数联合优化图像空间，使正常样本与异常样本在特征层面上更具可分性。本文利用 BraTS、HCP、MNIST 和 CIFAR-10 数据集综合评估了方法的有效性与实用性。在数据集内与跨数据集测试上的大量实验证明，我们的半监督方法取得了优于或可与最先进（SOTA）监督技术相媲美的结果。
引用
@article{arxiv.2007.04734,
title = {Brain Tumor Anomaly Detection via Latent Regularized Adversarial Network},
author = {Nan Wang and Chengwei Chen and Yuan Xie and Lizhuang Ma},
journal= {arXiv preprint arXiv:2007.04734},
year = {2020}
}
备注
9 pages, 7 figures