数字病理学图像中的异常检测方法的定量基准测试

科学领域:

• 计算机科学 计算机科学
• 医疗成像医学成像
• 病理学 病理学 病理学

背景情况:

• 异常检测对于工业缺陷检查至关重要.
• 数字病理学提供了潜在的应用,如罕见疾病识别和生物标志物发现.
• 病理图像带来了独特的挑战 (大尺寸,多尺度,斑点可变性),这些挑战阻碍了当前的异常检测算法.

研究的目的:

• 在数量上对23种用于数字病理学的经典异常检测方法进行比较.
• 评估图像尺度,异常模式和训练策略对性能的影响.
• 为未来的研究提供方法优势和局限性的全面比较.

主要方法:

• 在五个数字病理学数据集 (真实和合成) 上进行了广泛的实验.
• 系统评估了23种经典异常检测算法.
• 基于图像尺度,异常模式类型和训练时代选择,分析了性能.

主要成果:

• 详细比较了每个基准方法的优点和局限性.
• 在不同方法和实验条件下观察到检测性能的显著差异.
• 这项研究为数字病理学中异常检测提供了一个基本的基准.

结论:

• 目前的异常检测算法面临着具有独特数字病理图像特征的挑战.
• 在本研究中建立的基准将为未来算法的选择和开发提供信息.
• 公共可用的代码和数据将促进可重现性,并进一步研究病理异常检测.