MadCLIP：基于CLIP的few-shot医学异常检测
计算机视觉与模式识别
2025-07-01 v1
摘要
提出一种新颖的few-shot异常检测方法，利用预训练的CLIP模型处理医学数据，适用于图像级异常分类(AC)和像素级异常分割(AS)。提出双分支设计，分别通过CLIP视觉编码器中的可学习适配器捕获正常和异常特征。为提高语义对齐，采用可学习文本提示将视觉特征与文本关联。此外，应用SigLIP损失有效处理图像与未成对文本提示之间的多对一关系，首次在医学领域实现此适配。我们的方法在多个模态上进行验证，显示在相同数据集和跨数据集评估中，AC和AS的性能均优于现有方法。与先前工作不同，本方法不依赖合成数据或记忆库，消融研究确认了每个组件的贡献。代码可在https://github.com/mahshid1998/MadCLIP获取。
关键词
引用
@article{arxiv.2506.23810,
title = {MadCLIP: Few-shot Medical Anomaly Detection with CLIP},
author = {Mahshid Shiri and Cigdem Beyan and Vittorio Murino},
journal= {arXiv preprint arXiv:2506.23810},
year = {2025}
}
备注
Accepted to MICCAI 2025 (this version is not peer-reviewed; it is the submitted version). MICCAI proceedings DOI will appear here