无监督检测中风脑部异常的研究
计算机视觉与模式识别
2025-10-29 v1
摘要
中风后 MRI 不仅描绘了局灶性病灶，还揭示了继发性结构性变化，如脑萎缩和脑室扩大。这些异常因被识别为恢复和结局的影像生物标志物而日益受到关注，但仍未被监督分割方法充分捕捉。我们评估了 REFLECT，这是一种基于流的生成模型，用于无监督检测中风患者中局灶性和非病灶性异常。使用来自ATLAS数据的双专家中心切片标注，在对象级别上采用自由响应ROC分析对异常图进行评估。我们训练了两个模型：一个使用中风患者（ATLAS）中无病灶切片训练，另一个使用健康对照（IXI）训练，以测试训练数据的影响。在ATLAS测试受试者中，IXI训练模型实现了更高的病灶分割性能（Dice=0.37 vs 0.27）和对非病灶异常的灵敏度提升（FROC=0.62 vs 0.43）。在健康解剖结构上进行训练可 improved 正常变异性的建模，从而实现更广泛且更可靠的结构异常检测。
引用
@article{arxiv.2510.24398,
title = {Unsupervised Detection of Post-Stroke Brain Abnormalities},
author = {Youwan Mahé and Elise Bannier and Stéphanie Leplaideur and Elisa Fromont and Francesca Galassi},
journal= {arXiv preprint arXiv:2510.24398},
year = {2025}
}