三维脑MRI中基于2D基础模型的无训练零样异常检测
计算机视觉与模式识别
2026-02-18 v1 机器学习
摘要
零样本异常检测（ZSAD）在医学影像中日益受到关注，作为一种无需任务特定监督即可识别异常的方法，但大多数进展仍受限于2D数据集。将ZSAD扩展到3D医学图像具有挑战性，现有方法依赖于切片级特征和视觉语言模型，无法捕获体积化结构。在本文中，我们引入了一个完全无训练的框架，用于3D脑MRI的ZSAD，通过聚合由2D基础模型处理的多轴切片来构建局部体积标记。这些3D patch标记恢复立方体空间上下文，并直接集成到基于距离的、批级异常检测管道中。该框架提供了实用的紧凑型3D表示，可在标准GPU上计算，且无需微调、提示或监督。我们的结果表明，无训练的、基于批次的ZSAD可以有效地从2D编码器扩展到完整的3D MRI体积，为体积化异常检测提供一种简单且稳健的方法。
引用
@article{arxiv.2602.15315,
title = {Training-Free Zero-Shot Anomaly Detection in 3D Brain MRI with 2D Foundation Models},
author = {Tai Le-Gia and Jaehyun Ahn},
journal= {arXiv preprint arXiv:2602.15315},
year = {2026}
}
备注
Accepted for MIDL 2026