用于医学图像异常检测的代理桥接图像重建网络
图像与视频处理
2021-10-06 v1 计算机视觉与模式识别
机器学习
摘要
医学图像中的异常检测是指在训练集中仅有正常图像的情况下识别异常图像。大多数现有方法采用自重建框架解决该问题，这往往学习到恒等映射并降低对异常的敏感性。为缓解此问题，本文提出一种新颖的用于医学图像异常检测的代理桥接图像重建网络（ProxyAno）。具体而言，我们使用一个中间代理来桥接输入图像与重建图像。我们研究了不同的代理类型，发现超像素图像（SI）是最佳的一种。我们将每个超像素内所有像素的强度设为其平均强度，并将该图像记为SI。所提出的ProxyAno由两个模块组成：代理提取模块和图像重建模块。在代理提取模块中，引入一个记忆体来记忆正常图像与其对应SI的特征对应关系，而该记忆对应关系不适用于异常图像，这会导致异常图像的信息丢失并有助于异常检测。在图像重建模块中，我们将SI映射为其重建图像。此外，我们从图像中裁剪一块补丁并粘贴到正常SI上以模拟异常，并强制网络即使面对伪异常SI也重建正常图像。通过这种方式，我们的网络放大了异常的重建误差。在脑MR图像、视网膜OCT图像和视网膜眼底图像上的大量实验验证了我们的方法在图像级和像素级异常检测上的有效性。
引用
@article{arxiv.2110.01761,
title = {Proxy-bridged Image Reconstruction Network for Anomaly Detection in Medical Images},
author = {Kang Zhou and Jing Li and Weixin Luo and Zhengxin Li and Jianlong Yang and Huazhu Fu and Jun Cheng and Jiang Liu and Shenghua Gao},
journal= {arXiv preprint arXiv:2110.01761},
year = {2021}
}
备注
This paper is accepted to IEEE TMI