肺部CT图像的异常检测方案使用矢量量化变量自动编码器与支持矢量数据描述
Zhihui Gao1, Ryohei Nakayama2, Akiyoshi Hizukuri1
1Graduate School of Science and Engineering, Ritsumeikan University, 1-1-1 Noji-Higashi, Kusatsu, Shiga, 525-8577, Japan.
Radiological physics and technology
|October 26, 2024
概括
本研究引入了一种带有支持向量数据描述的向量量化变量自动编码器 (VQ-VAE与SVDD),用于检测CT图像中的肺病变. 这种新的异常检测方案比传统方法提高了准确性,有助于更快的查.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 肺部CT图像分析对于疾病检测至关重要.
- 在医学图像中准确检测异常仍然是一个挑战.
- 自动化系统可以协助放射科医生进行查.
研究的目的:
- 开发一种先进的异常检测方案,用于CT图像中的肺病变.
- 通过深度学习提高病变识别的准确性.
- 为了减少CT查过程中的解释时间.
主要方法:
- 实现一个与支持向量数据描述 (SVDD) 集成的向量量化变量自动编码器 (VQ-VAE).
- 带有SVDD的VQ-VAE使用两个编码器和两个解码器进行潜变量映射和图像重建.
- 基于图像重建错误和从超球中心的潜在变量距离的异常分数计算.
主要成果:
- 带有SVDD的VQ-VAE实现了ROC曲线下的面积为0.76.
- 与传统的VAE相比,这是一个显著的改进,VAE达到0.63 (p < .001).
- 拟议的方法显示出更高的异常检测准确度.
结论:
- 带有SVDD的VQ-VAE在肺部CT图像中检测异常的性能优越.
- 开发的方法可以有效地识别患有病变的受试者.
- 预计这种方法将减少CT查的解释时间.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
05:56Author Spotlight: Enhancing Diagnostic Strategies and Biomarker Development for Comprehensive Lung Function Analysis
Published on: August 9, 2024
1.1K
