空间感知注意力生成对抗网络用于医学图像半监督异常检测

医学异常检测是一个关键研究领域，旨在识别异常图像以辅助诊断。大多数现有方法采用合成异常和正常样本的图像修复来检测异常。由正常和异常数据组成的未标记数据尚未得到充分探索。我们提出了一种新颖的空间感知注意力生成对抗网络（SAGAN），用于一类半监督的健康图像生成。我们的核心见解是利用位置编码和注意力来精确聚焦于恢复异常区域并保留正常区域。为了充分利用未标记数据，SAGAN放宽了现有非配对图像到图像转换方法的循环一致性要求，并在正常图像重建和伪异常图像恢复的指导下，生成与未标记数据对应的高质量健康图像。随后，将生成的健康图像与原始图像之间的差异用作异常分数。在三个医学数据集上的大量实验表明，所提出的SAGAN优于最先进的方法。