从大规模健康器官数据库学习形状分布：在零样本与少样本异常胰腺检测中的应用
计算机视觉与模式识别
2022-10-24 v1
摘要
我们提出一种可扩展且数据驱动的方法，从大规模健康器官数据库学习形状分布。为此，将体积分割掩码嵌入到一个由变分自编码网络学习的公共概率形状空间中。所得的潜在形状表示被用于推导异常形状检测的零样本与少样本方法。所提出的分布学习方法在一个包含 1200 个健康胰腺形状的大规模数据库上进行了演示。下游定性与定量实验在一个独立的、包含 224 个患有混合疾病患者胰腺的测试集上进行。异常胰腺检测 AUC 在零样本配置下达到 65.41%，在仅用 15 个异常样本的少样本配置下达到 78.97%，优于仅基于体积的基线方法。
引用
@article{arxiv.2210.12095,
title = {Learning shape distributions from large databases of healthy organs: applications to zero-shot and few-shot abnormal pancreas detection},
author = {Rebeca Vétil and Clément Abi Nader and Alexandre Bône and Marie-Pierre Vullierme and Marc-Michel Roheé and Pietro Gori and Isabelle Bloch},
journal= {arXiv preprint arXiv:2210.12095},
year = {2022}
}
备注
10 pages, 3 figures