医学异常:医学图像中异常检测的比较研究
Yu Cai1, Weiwen Zhang2, Hao Chen3
1Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong, China.
Medical image analysis
|February 26, 2025
概括
本研究引入了医学异常检测 (AD) 的基准,评估了七个数据集中的30种方法. 它提供了一个统一的比较,以提升罕见疾病的识别和健康查.
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:
- 异常检测 (AD) 对于识别医疗数据中的异常模式至关重要,特别是在罕见疾病和健康查方面.
- 现有的医学AD方法缺乏标准化的评估,阻碍了进展,导致了模两可的结论.
研究的目的:
- 建立一个全面的基准,以公平和统一地评估医学异常检测方法.
- 系统地研究医学领域当前的AD技术的性能和局限性.
主要方法:
- 策划了七个不同的医疗数据集,涵盖了五种图像模式 (X射线,MRI,视网膜,皮肤镜,组织病理学).
- 评估了30种已建立的AD方法,包括重建和自我监督的学习方法.
- 进行了图像级异常分类和像素级异常细分分析.
主要成果:
- 为医学AD方法提供了一个统一的比较框架.
- 系统地分析了现有的AD技术中关键组件的影响.
- 确定了未解决的挑战和该领域潜在的未来研究方向.
结论:
- 开发的基准标准有助于对医学AD进行可重复和可靠的评估.
- 这项工作为各种AD方法的有效性提供了关键的见解,并指导了未来的研究.
- 数据集和代码是公开可用的,以促进进一步的进步.


