MedIAnomaly：医学图像异常检测的比较研究

异常检测（AD）旨在检测偏离预期正常模式的异常样本。通常，它可以仅使用正常数据进行训练，不需要异常样本，因此在医学领域的罕见病识别和健康筛查中发挥着重要作用。尽管出现了许多医学AD方法，但缺乏公平和全面的评估导致结论模糊，阻碍了该领域的发展。为了解决这个问题，本文构建了一个具有统一比较的基准。整理了七个医学数据集，包括五种图像模态：胸部X光、脑部MRI、视网膜眼底图像、皮肤镜图像和组织病理学图像，用于广泛评估。涉及三十种典型的AD方法，包括基于重建和自监督学习的方法，在图像级异常分类和像素级异常分割方面进行比较。此外，我们首次系统地研究了现有方法中关键组件的影响，揭示了未解决的挑战和潜在的未来方向。数据集和代码可在https://github.com/caiyu6666/MedIAnomaly获取。