基于结构特征自编码器的无监督异常定位
图像与视频处理
2023-09-26 v1 计算机视觉与模式识别
摘要
无监督异常检测已成为检测医学图像中病变的流行方法，因其训练无需监督或标签。最常见的异常检测模型生成输入图像的“正常”版本，并利用两者的逐像素差异来定位异常。然而，由于大多数医学图像中复杂解剖结构重建不完善，常出现较大残差。该方法也无法检测那些与周围组织无较大强度差异表征的异常。我们提出利用特征映射函数将输入强度图像变换至多通道空间，从而可沿从原图像提取的不同判别特征图检测异常。随后我们在此空间中采用考虑强度、对比度与结构差异的结构相似性损失训练自编码器模型。我们的方法在两个脑MRI医学数据集上显著提升了性能。代码与实验见https://github.com/FeliMe/feature-autoencoder
引用
@article{arxiv.2208.10992,
title = {Unsupervised Anomaly Localization with Structural Feature-Autoencoders},
author = {Felix Meissen and Johannes Paetzold and Georgios Kaissis and Daniel Rueckert},
journal= {arXiv preprint arXiv:2208.10992},
year = {2023}
}
备注
10 pages, 5 figures, one table, accepted to the MICCAI 2021 BrainLes Workshop