在脑 FDG PET 深度无监督异常检测中利用健康人群变异性
图像与视频处理
2023-11-22 v1 人工智能
机器学习
神经元与认知
摘要
无监督异常检测是一种流行的神经影像数据分析方法，因为它可以从无标签数据中识别多种异常。该方法依赖于构建健康外观的受试者特定模型，将受试者的图像与之比较以检测异常。文献中，异常检测通常依赖于分析受试者图像与其伪健康重建之间的残差图像。然而，这种方法存在局限，部分由于伪健康重建不完美，也由于缺乏自然的阈值机制。我们受 Z 分数启发提出的方法，利用健康人群变异性来克服这些局限。我们在 ADNI 数据库的 FDG PET 扫描上进行的实验证明了该方法在准确识别阿尔茨海默病相关异常方面的有效性。
引用
@article{arxiv.2311.12081,
title = {Leveraging healthy population variability in deep learning unsupervised anomaly detection in brain FDG PET},
author = {Maëlys Solal and Ravi Hassanaly and Ninon Burgos},
journal= {arXiv preprint arXiv:2311.12081},
year = {2023}
}
备注
SPIE Medical Imaging, Feb 2024, San Diego (California), United States