用于医学图像异常检测的二维与三维网络联合嵌入
计算机视觉与模式识别
2022-12-26 v2 机器学习
摘要
在医学影像中获取真值数据存在困难，因为这需要该领域专家大量的标注时间。此外，当以监督学习训练时，它仅能检测标签中所包含的情况。在实际临床中，我们在审视医学图像时也希望覆盖除已命名情况外的其他可能。为此，仅利用正常图像学习正常特征从而检测并定位异常的异常检测需求正日益凸显。针对医学图像数据，我们可设计二维或三维自监督学习网络用于异常检测任务。尽管学习人体三维结构的三维网络在三维医学图像异常检测中表现良好，但因显存问题无法堆叠至更深层级。而二维网络虽在特征检测上有优势，却缺乏三维上下文信息。本文中，我们提出一种通过联合嵌入结合三维网络与二维网络各自优势的方法。我们还提出了自监督学习的预任务，使网络能够高效学习。实验表明，相较 SoTA 方法，所提方法在分类与分割任务上均取得更优性能。
引用
@article{arxiv.2212.10939,
title = {Joint Embedding of 2D and 3D Networks for Medical Image Anomaly Detection},
author = {Inha Kang and Jinah Park},
journal= {arXiv preprint arXiv:2212.10939},
year = {2022}
}
备注
14 pages, 11 figures