基于 StyleGAN2 的医学影像分布外检测
图像与视频处理
2023-07-21 v1 机器学习
摘要
基于深度学习的模型在临床部署中的一个障碍是在运行时出现远离给定模型训练分布的图像。我们旨在利用生成对抗网络（GAN）检测这些分布外（OOD）图像。我们的训练数据集包含来自 456 名患者的 3,234 例含肝脏的计算机断层扫描（CT）。我们的 OOD 测试数据由脑、头颈、肺、宫颈的 CT 图像以及异常肝脏组成。采用 StyleGAN2-ADA 架构对训练分布进行建模。使用反向传播重建图像。使用 Wasserstein 距离、均方误差和结构相似性指数测度评估重建结果。使用受试者工作特征曲线下面积（AUROC）评估 OOD 检测。我们的范式以大于 90% 的 AUROC 区分肝脏与非肝脏 CT。它也无法重建肝脏伪影，如针头和腹水。
引用
@article{arxiv.2307.10193,
title = {StyleGAN2-based Out-of-Distribution Detection for Medical Imaging},
author = {McKell Woodland and John Wood and Caleb O'Connor and Ankit B. Patel and Kristy K. Brock},
journal= {arXiv preprint arXiv:2307.10193},
year = {2023}
}
备注
Extended abstract published in the "Medical Imaging Meets NeurIPS" workshop at NeurIPS 2022. Original abstract can be found at http://www.cse.cuhk.edu.hk/~qdou/public/medneurips2022/125.pdf