面向结肠镜息肉帧的少样本异常检测
计算机视觉与模式识别
2020-06-29 v1
摘要
异常检测方法通常旨在学习正常图像分布（即显示健康病例的内点），并在测试时将相对远离所学分布的样本分类为异常（即显示疾病病例的外点）。这些方法往往对靠近内点的外点（例如带有小息肉的结肠镜图像）过于敏感。在本文中，我们通过同时利用内点学习来解决这种对外点不恰当的敏感性。我们提出一种基于编码器的新型少样本异常检测方法，该编码器经训练以最大化特征嵌入与正常图像之间的互信息，随后是一个少样本分数推断网络，使用大量内点集合和远小得多的外点集合进行训练。我们在从结肠镜视频序列中检测含息肉帧这一临床问题上评估所提方法，其训练集包含 13350 张正常图像（即无息肉）和少于 100 张异常图像（即有息肉）。所提模型在该数据集上的结果显示出当前最优（SOTA）的检测结果，且基于不同数量异常样本的性能在约 40 张异常训练图像后相对稳定。
引用
@article{arxiv.2006.14811,
title = {Few-Shot Anomaly Detection for Polyp Frames from Colonoscopy},
author = {Yu Tian and Gabriel Maicas and Leonardo Zorron Cheng Tao Pu and Rajvinder Singh and Johan W. Verjans and Gustavo Carneiro},
journal= {arXiv preprint arXiv:2006.14811},
year = {2020}
}
备注
Accept at MICCAI 2020