基于去噪扩散模型的胎儿脑部异常无监督检测

先天性脑部畸形是影响胎儿发育的最常见胎儿异常之一。超声图像上的先前异常检测方法基于监督学习，依赖人工标注，并且有遗漏代表性不足类别的风险。在这项工作中，我们将胎儿脑部异常检测框架化为一个无监督任务，使用扩散模型。为此，我们采用了一种基于图像修复的噪声无关异常检测方法，该方法通过多个噪声水平的扩散重建胎儿脑部图像来识别异常。我们的方法仅需要正常的胎儿脑部超声图像进行训练，解决了异常数据有限的问题。我们在真实临床数据集上的实验展示了无监督方法用于胎儿脑部异常检测的潜力。此外，我们全面评估了不同噪声类型如何影响胎儿异常检测领域中的扩散模型。