利用胸部解剖结构一致性实现放射影像无监督异常检测
图像与视频处理
2024-03-14 v1 计算机视觉与模式识别
摘要
放射成像方案聚焦于特定身体区域，因此生成的图像具有高度相似性，并在不同患者间产生反复出现的解剖结构。利用这种结构化信息有望简化放射影像中异常的检测。为此，我们提出了一种用于放射影像修复与异常检测的简易空间感知记忆矩阵（简称 SimSID）。我们将异常检测形式化为图像重建任务，该任务由特征空间中的一个空间感知记忆矩阵和一个修复模块组成。在训练过程中，SimSID 能将固有的解剖结构归类为反复出现的视觉模式；在推理过程中，它可以从测试图像中识别出异常（未见过的或被修改的视觉模式）。我们的 SimSID 在 ZhangLab、COVIDx 和 CheXpert 基准数据集上的无监督异常检测 AUC 分数分别超出当前最优方法 +8.0%、+5.0% 和 +9.9%。代码：https://github.com/MrGiovanni/SimSID
引用
@article{arxiv.2403.08689,
title = {Exploiting Structural Consistency of Chest Anatomy for Unsupervised Anomaly Detection in Radiography Images},
author = {Tiange Xiang and Yixiao Zhang and Yongyi Lu and Alan Yuille and Chaoyi Zhang and Weidong Cai and Zongwei Zhou},
journal= {arXiv preprint arXiv:2403.08689},
year = {2024}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). arXiv admin note: substantial text overlap with arXiv:2111.13495