ReSynthDetect: 基于重建与合成特征的眼底异常检测网络
计算机视觉与模式识别
2023-12-29 v1 人工智能
摘要
由于正常组织与异常组织之间的相似性以及它们模糊的边界，通过无监督方法检测眼底图像中的异常是一项具有挑战性的任务。当前方法在准确检测细微异常同时避免误报方面存在局限性。为了解决这些挑战，我们提出了 ReSynthDetect 网络，该网络利用重建网络对正常图像进行建模，并利用异常生成器生成与眼底图像外观一致的合成异常。通过结合一致性异常生成和图像重建的特征，我们的方法适用于检测眼底异常。所提出的方法已在 EyeQ 和 IDRiD 等基准数据集上进行了广泛测试，在图像级和像素级异常检测中均展现出最先进的性能。我们的实验表明，在 EyeQ 上 AUROC 提高了 9%，在 IDRiD 上 AUPR 显著提高了 17.1%。
引用
@article{arxiv.2312.16470,
title = {ReSynthDetect: A Fundus Anomaly Detection Network with Reconstruction and Synthetic Features},
author = {Jingqi Niu and Qinji Yu and Shiwen Dong and Zilong Wang and Kang Dang and Xiaowei Ding},
journal= {arXiv preprint arXiv:2312.16470},
year = {2023}
}
备注
Accepted at BMVC2023