基于卷积变分自编码器的 ADMANI 乳腺钼靶数据集技术离群值检测
图像与视频处理
2023-05-23 v1 人工智能
计算机视觉与模式识别
摘要
由澳大利亚 BreastScreen Victoria 运行的 Transforming Breast Cancer Screening with AI 计划（BRAIx）提供的 ADMANI 数据集（标注数字乳腺钼靶及关联非图像数据集）是多中心、大规模、临床策展的真实世界数据库。这些数据集有望助力开发用于乳腺癌检测、早期诊断及其他应用的临床相关人工智能（AI）算法。为保障高数据质量，在任何下游算法开发前必须剔除技术离群值。作为第一步，我们随机选取 30,000 张独立钼靶图像，并使用卷积变分自编码器（CVAE）——一种深度生成式神经网络——检测离群值。CVAE 有望检测各类离群值，尽管其对不同类型离群值的检测性能存在差异。传统图像处理技术（如腐蚀与胸肌分析）可弥补 CVAE 在特定离群值类型上的欠佳表现。我们识别出七类技术离群值：植入物、起搏器、心电循环记录仪、不当放射摄影、非典型病变/钙化、错误曝光参数及不当摆放。若 CVAE、腐蚀与胸肌分析各自按各检测方法下的图像离群分数升序或降序选取前 1% 图像，测试集离群值召回率为 61%；若各自选取前 5% 图像，召回率为 83%。本研究概述了 ADMANI 数据集中的技术离群值，并指明提升离群值检测效能的未来方向。
引用
@article{arxiv.2305.12068,
title = {Technical outlier detection via convolutional variational autoencoder for the ADMANI breast mammogram dataset},
author = {Hui Li and Carlos A. Pena Solorzano and Susan Wei and Davis J. McCarthy},
journal= {arXiv preprint arXiv:2305.12068},
year = {2023}
}