基于扩散轨迹的医学影像外分布检测
计算机视觉与模式识别
2025-08-01 v1
摘要
在医学影像中,无监督外分布(Out-of-Distribution, OOD)检测提供了一种识别极少数病例发生率异常情况的吸引方法。与监督方法不同,ODD 方法无需标签，天然对数据不平衡具有鲁棒性。当前的生成方法通常依赖于似然估计或重构误差，但这些方法可能计算代价高、不可靠且需要在入样数据发生变化时重新训练。这些限制阻碍了其在高效、稳定和鲁棒方面区分正常输入与异常输入的能力。我们提出了一种无重构的 OOD 检测方法,利用 Stein 基于去噪扩散模型(Stein score-based denoising diffusion model, SBDDM)的前向扩散轨迹。通过捕获估计 Stein 得分所呈现的轨迹曲率,我们的方法仅需五个扩散步骤即可实现精确的异常评分。一个在大型语义一致医学数据集上预训练的 SBDDM 能有效地跨越多个近 OOD 和远 OOD 基准,在实现最先进性能的同时,大幅降低了推理期间的计算成本。与现有方法相比,SBDDM 在近 OOD 和远 OOD 检测中分别实现了最高可达 10.43% 和 18.10% 的相对提升,成为实时、可靠计算机辅助诊断的实用基础模块。
引用
@article{arxiv.2507.23411,
title = {Out-of-Distribution Detection in Medical Imaging via Diffusion Trajectories},
author = {Lemar Abdi and Francisco Caetano and Amaan Valiuddin and Christiaan Viviers and Hamdi Joudeh and Fons van der Sommen},
journal= {arXiv preprint arXiv:2507.23411},
year = {2025}
}
备注
Accepted at Uncertainty for Safe Utilization of Machine Learning in Medical Imaging, MICCAI 2025