潜在异常检测：用于医学CBCT无监督分割的掩码VQ-GAN
图像与视频处理
2025-06-18 v1 人工智能
计算机视觉与模式识别
摘要
治疗技术的进步现在允许为颌骨骨放射性坏死（ORN）患者使用可定制的3D打印水凝胶伤口敷料。同时，深度学习已能够使用nnUNet等工具对3D医学图像进行精确分割。然而，ORN影像中标注数据的稀缺使得监督训练不切实际。本研究旨在开发一种无监督训练方法，用于自动识别影像扫描中的异常。我们提出了一种新颖的两阶段训练流程。在第一阶段，训练VQ-GAN以准确重建正常受试者。在第二阶段，应用随机立方体掩码和ORN特定掩码来训练一个新的编码器，使其能够恢复数据。所提出的方法在模拟和真实患者数据上均实现了成功分割。该方法提供了一种快速的初始分割解决方案，减轻了手动标注的负担。此外，与手工调整的后处理相结合时，它有可能直接用于3D打印。
引用
@article{arxiv.2506.14209,
title = {Latent Anomaly Detection: Masked VQ-GAN for Unsupervised Segmentation in Medical CBCT},
author = {Pengwei Wang},
journal= {arXiv preprint arXiv:2506.14209},
year = {2025}
}