双曲空间是医学异常检测的全部所需吗？
计算机视觉与模式识别
2025-05-28 v1 人工智能
机器学习
摘要
医学异常检测已成为解决数据可用性和标注限制挑战的有前途的方案。传统方法在欧几里得空间中从预训练网络的不同层提取特征；然而，欧几里得表示无法有效捕捉这些特征内的层次关系，导致异常检测性能不佳。我们提出了一种新颖而简单的方法，将特征表示投影到双曲空间中，根据置信度水平对其进行聚合，并将样本分类为健康或异常。我们的实验表明，双曲空间始终优于基于欧几里得的框架，在多个医学基准数据集上的图像级和像素级均获得了更高的 AUROC 分数。此外，我们表明双曲空间对参数变化具有鲁棒性，并且在健康图像稀缺的少样本场景中表现出色。这些发现强调了双曲空间作为医学异常检测强大替代方案的潜力。项目网站可在 https://hyperbolic-anomalies.github.io 找到。
引用
@article{arxiv.2505.21228,
title = {Is Hyperbolic Space All You Need for Medical Anomaly Detection?},
author = {Alvaro Gonzalez-Jimenez and Simone Lionetti and Ludovic Amruthalingam and Philippe Gottfrois and Fabian Gröger and Marc Pouly and Alexander A. Navarini},
journal= {arXiv preprint arXiv:2505.21228},
year = {2025}
}
备注
Provisionally Accepted at MICCAI 2025