在脑MRI中增强基于重建的分布外检测,使用模型和度量组合
Evi M C Huijben1, Sina Amirrajab2, Josien P W Pluim1
1Eindhoven University of Technology, Department of Biomedical Engineering, Medical Image Analysis Group, Eindhoven, The Netherlands.
Computer methods and programs in biomedicine
|September 7, 2025
概括
使用特定指标优化基于重建的自动编码器,可以改善脑MRI中的分布外 (OOD) 检测. 这通过更好地识别异常模式,提高了自动化医学图像分析的可靠性.
科学领域:
- 医学图像分析 医学图像分析
- 医疗保健中的人工智能
- 机器学习用于异常检测.
背景情况:
- 分布外 (OOD) 检测对于自动化医学成像系统的安全部署至关重要.
- 不正常的图像模式可能会降低AI模型的性能.
- 在医学成像中OOD检测存在持续的挑战.
研究的目的:
- 优化基于重建的自动编码器,用于医疗成像中的OOD检测.
- 为了解决理解简单的OOD模型,OOD检测的深度学习策略和指标选择的差距.
- 提高自动化医疗图像分析的可靠性.
主要方法:
- 研究了一种基于重建的自编码器,用于在脑MRI中无监督检测合成工件.
- 评估模型重建能力,训练时代和重建指标 (LPIPS,SSIM对比).
- 在各种文物数据集上评估模型和指标组合.
主要成果:
- 学习感知图像补丁相似性 (LPIPS) 和SSIM对比度指标在检测异常方面表现出色.
- 与LPIPS和对比度相结合的模型组合实现了0.66.6的像素级AUC.
- 检测性能因文物类型而异;全球文物比本地文物更容易检测.
结论:
- 基于重建的自动编码器,使用适当的指标,增强了脑MRI中的OOD检测.
- 仔细选择指标和模型配置对于OOD检测至关重要.
- 需要定制的深度学习方法来应对医疗成像中OOD检测的独特挑战.
