基于注意力引导去噪扩散异常检测模型的客观可解释乳房美容评估
计算机视觉与模式识别
2024-02-29 v1 人工智能
摘要
随着乳腺癌治疗领域的不断进步，术后美容效果的评估因其对患者生活质量的重大影响而日益受到重视。然而，由于专家标注固有的主观性，乳房美容评估面临诸多挑战。本研究提出了一种名为注意力引导去噪扩散异常检测（AG-DDAD）的新型自动化方法，旨在评估术后乳房美容效果，解决了传统监督学习和现有异常检测模型的局限性。我们的方法结合了无标签蒸馏（DINO）自监督 Vision Transformer (ViT) 的注意力机制与扩散模型，以实现高质量的图像重建和判别区域的精确变换。通过在主要包含正常美容效果的无标签数据上训练扩散模型，我们采用无监督异常检测视角来自动评分美容效果。真实世界数据实验证明了该方法的有效性，提供了视觉上令人满意的表现形式和可量化的美容评估分数。与常用的基于规则的程序相比，我们的全自动化方法消除了对手动标注的需求并提供了客观评估。此外，我们的异常检测模型表现出最先进的性能，在准确性上超越了现有模型。超越乳房美容的范畴，我们的研究代表了医学领域无监督异常检测的重大进步，从而为未来的调查铺平了道路。
引用
@article{arxiv.2402.18362,
title = {Objective and Interpretable Breast Cosmesis Evaluation with Attention Guided Denoising Diffusion Anomaly Detection Model},
author = {Sangjoon Park and Yong Bae Kim and Jee Suk Chang and Seo Hee Choi and Hyungjin Chung and Ik Jae Lee and Hwa Kyung Byun},
journal= {arXiv preprint arXiv:2402.18362},
year = {2024}
}