TTA-OOD：用于改善胃肠镜视觉中异常分布检测的测试时增强
计算机视觉与模式识别
2024-07-22 v1 人工智能
摘要
深度学习显著� advances 了胃肠镜视觉领域，增强了疾病诊断能力。自动化诊断过程中，检测胃肠镜图像中的异常病例是一个主要挑战。由于数据稀疏，这一区分正常与异常病例的过程面临重大挑战，尤其是针对罕见和未见条件。为解决此问题，我们将异常检测问题建模为异常分布(Out-of-Distribution, OOD)检测问题。在此设置下，训练于类内(ID)数据的模型代表健康的胃肠道，可准确识别健康病例，而异常情况则被检测为OD。我们引入测试时增强段到OD检测管道中，该增强增强了ID与OD示例之间的区分度，从而提高了使用相同模型的现有OD方法的效果。该增强改变像素空间，导致OD示例相对于ID示例获得更明确的语义表示。我们对照现有SOTA OD评分进行评估，显示测试时增强优于基线方法的改进。
引用
@article{arxiv.2407.14024,
title = {TTA-OOD: Test-time Augmentation for Improving Out-of-Distribution Detection in Gastrointestinal Vision},
author = {Sandesh Pokhrel and Sanjay Bhandari and Eduard Vazquez and Tryphon Lambrou and Prashnna Gyawali and Binod Bhattarai},
journal= {arXiv preprint arXiv:2407.14024},
year = {2024}
}