用于结肠镜视频帧异常检测的无监督双重对抗学习
图像与视频处理
2021-02-09 v2 计算机视觉与模式识别
摘要
从结肠镜视频序列中自动检测含息肉的帧是全自动结肠镜分析工具的重要第一步。通常，此类检测系统使用大量带标注的含与不含息肉的帧数据集构建，其获取成本高昂。本文引入一种新系统，将含息肉的帧作为来自不含任何息肉的检查帧分布中的异常进行检测。该系统使用由不含息肉的结肠镜帧组成的一类训练集进行训练——与前述两类数据集相比，此类训练集获取成本显著降低。在推理期间，系统仅能重建不含息肉的帧，当其尝试重建含息肉的帧时，会自动将其从帧中移除(即photoshop)；输入帧与重建帧之间的差异用于检测含息肉的帧。我们将所提模型命名为异常检测生成对抗网络(ADGAN)，其包含具有两个生成器和两个判别器的双重GAN。我们表明，与近期提出的异常检测系统相比，所提方法在该数据集上取得了SOTA结果。
引用
@article{arxiv.1910.10345,
title = {Unsupervised Dual Adversarial Learning for Anomaly Detection in Colonoscopy Video Frames},
author = {Yuyuan Liu and Yu Tian and Gabriel Maicas and Leonardo Z. C. T. Pu and Rajvinder Singh and Johan W. Verjans and Gustavo Carneiro},
journal= {arXiv preprint arXiv:1910.10345},
year = {2021}
}
备注
Accepted by ISBI 2020