用于胸部 X 光异常检测的双分布差异方法
图像与视频处理
2022-06-30 v3 计算机视觉与模式识别
摘要
胸部 X 光（CXR）是诊断多种疾病最典型的放射学检查。由于标注昂贵且耗时，以无监督方式检测 CXR 中的异常极具前景。然而，几乎所有现有方法都将异常检测视为一类分类（OCC）问题。它们在训练时仅对已知正常图像的分布建模，并在测试阶段将不符合正常特征的样本识别为异常。因此，大量含异常的未标注图像在训练阶段被忽略，尽管它们在临床实践中易于获取。本文中，我们提出一种新策略——用于异常检测的双分布差异（DDAD），同时利用已知正常图像与未标注图像。所提方法包含两个模块。训练时，一个模块以已知正常与未标注图像为输入，以某种方式从未标注图像中捕获异常特征，而另一个模块仅对已知正常图像的分布建模。随后，两模块间的模块间差异，以及仅在正常图像上训练的模块内部的模块内差异，被设计为异常分数以指示异常。在三个 CXR 数据集上的实验表明，所提 DDAD 取得了一致且显著的增益，并优于最先进的方法。代码见 https://github.com/caiyu6666/DDAD。
引用
@article{arxiv.2206.03935,
title = {Dual-Distribution Discrepancy for Anomaly Detection in Chest X-Rays},
author = {Yu Cai and Hao Chen and Xin Yang and Yu Zhou and Kwang-Ting Cheng},
journal= {arXiv preprint arXiv:2206.03935},
year = {2022}
}
备注
Early Accepted to MICCAI 2022