学习正常外观用于胎儿异常筛查：在无监督左心发育不良综合征检测中的应用
图像与视频处理
2021-09-13 v2 计算机视觉与模式识别
摘要
先天性心脏病被认为是最常见的先天性畸形类别之一，影响每 1000 名新生儿中的 例。本工作提出了一种在超声筛查中检测心脏异常的自动化框架，并以先天性心脏病子类左心发育不良综合征（HLHS）为例进行评估。我们提出一种无监督方法，仅从临床确认正常的对照患者学习健康解剖结构。我们评估了若干已知的异常检测框架以及一种基于 -GAN 网络的模型架构，发现有证据表明所提模型在基于图像的异常检测中显著优于最先进（SOTA）方法，平均取得 AUC 且相较先前工作对初始化具有更好的鲁棒性。
引用
@article{arxiv.2012.03679,
title = {Learning normal appearance for fetal anomaly screening: Application to the unsupervised detection of Hypoplastic Left Heart Syndrome},
author = {Elisa Chotzoglou and Thomas Day and Jeremy Tan and Jacqueline Matthew and David Lloyd and Reza Razavi and John Simpson and Bernhard Kainz},
journal= {arXiv preprint arXiv:2012.03679},
year = {2021}
}