RASALoRE：基于位置随机嵌入的区域感知空间注意力用于脑 MRI 扫描的弱监督异常检测
计算机视觉与模式识别
2026-04-09 v2
摘要
脑 MRI 扫描中的弱监督异常检测（WSAD）是重要挑战，因当仅有弱标签（如切片级）而无精确像素级异常标注时，能快速且准确获取脑部异常检测。本文提出 RASALoRE：Region Aware Spatial Attention with Location-based Random Embeddings，即一种新型两阶段 WSAD 框架。第一阶段，我们引入判别性双提示调优（DDPT）机制，基于切片级标签生成高质量伪弱掩码，作为粗糙局部线索。第二阶段，我们提出一种基于区域感知空间注意力机制的分割网络，依赖固定的位置随机嵌入。这一设计使模型能够有效关注异常区域。我们的方法实现了最先进的异常检测性能，在利用不足 800 万参数的情况下显著优于现有 WSAD 方法。广泛的在 BraTS20、BraTS21、BraTS23 和 MSD 数据集上的评估显示，性能显著提升，同时计算复杂度大幅降低。代码可在 https://github.com/BheeshmSharma/RASALoRE-BMVC-2025/ 获取。
引用
@article{arxiv.2510.08052,
title = {RASALoRE: Region Aware Spatial Attention with Location-based Random Embeddings for Weakly Supervised Anomaly Detection in Brain MRI Scans},
author = {Bheeshm Sharma and Karthikeyan Jaganathan and Balamurugan Palaniappan},
journal= {arXiv preprint arXiv:2510.08052},
year = {2026}
}
备注
Accepted at the 36th British Machine Vision Conference (BMVC-2025)