在医学图像中检测异常使用编码器-注意-2解码器重建

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:

• 在医疗应用中,异常检测 (AD) 为手动数据标签提供了具有成本效益的替代方案.
• 基于特征重建的AD方法面临挑战,包括域间隙问题和未充分利用的解码器潜力.

研究的目的:

• 引入一种新的方法,编码器-注意-2解码器 (EA2D),用于医疗成像中的有效异常检测.
• 解决预先训练有素编码器的域差距,并增强解码器探索,以提高AD性能.

主要方法:

• EA2D采用一个主要特征重建任务和一个辅助的转换一致性对比学习任务.
• 一个自我注意跳过连接增加了正常情况下的重建质量.
• 双解码器用于重建双图像视图,减轻异常的过度重建.

主要成果:

• 在四种医学图像模式中,EA2D表现出卓越的性能.
• 该方法有效地减少了自然和医疗图像之间的域差距.
• 改善正常病例的重建质量可以改善异常差异化.

结论:

• 在医学异常检测方面,EA2D提供了显著的进步.
• 提出的方法有效地克服了现有的特征重建技术的局限性.
• 对于各种医学成像应用来说,EA2D是有前途的,代码可用于进一步的研究.