基于隐式场学习的医学图像无监督异常检测
图像与视频处理
2021-06-10 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种基于隐式场图像表示的医学图像无监督分布外检测方法。在我们的方法中，一个自解码前馈神经网络以空间坐标与组织类型代理的概率之间的映射形式学习健康图像的分布。在推理时，所学分布用于从给定测试图像中检索一个修复图像，即与输入图像最大程度一致但属于健康分布的图像。利用我们的模型对修复图像预测的体素级概率来定位异常。我们在脑MR图像上无监督定位胶质瘤的任务中测试了我们的方法，并将其与几种其他基于VAE的异常检测方法进行比较。结果表明，所提出的技术大幅优于它们（平均DICE 0.640 vs 最佳基于VAE的替代方法的0.518），同时所需计算时间也显著更少。
引用
@article{arxiv.2106.05214,
title = {Implicit field learning for unsupervised anomaly detection in medical images},
author = {Sergio Naval Marimont and Giacomo Tarroni},
journal= {arXiv preprint arXiv:2106.05214},
year = {2021}
}
备注
10 pages, 3 figures. Accepted for publication in MICCAI 2021