在医学成像中使用聚合规范扩散来检测无监督的异常
Alexander Frotscher1, Jaivardhan Kapoor2, Thomas Wolfers1
1University Hospital Tübingen, Tübingen, 72074, Baden-Württemberg, Germany.
Medical image analysis
|December 20, 2025
概括
一种新的无监督异常检测 (UAD) 方法,聚合规范扩散 (ANDi),显示在MRI扫描中识别大脑异常的性能有所改善. ANDi超越了现有的方法,特别是用于检测多发性硬化病变.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 神经科学研究 神经科学研究
背景情况:
- 早期发现脑磁共振成像 (MRI) 异常对于医学诊断和治疗至关重要.
- 用于异常检测的监督机器学习受限于对特定病理学的广泛标记数据的需求.
- 无监督异常检测 (UAD) 是一种有希望的方法,可以通过检测正常模式的偏差来识别更广泛的异常.
研究的目的:
- 为了解决现有的UAD方法的局限性,以对多模式脑MRI数据中的各种异常进行概括.
- 引入和评估一种名为聚合规范扩散 (ANDi) 的新型UAD方法.
主要方法:
- 在Denoising Diffusion Probabilistic Models (DDPMs) 中,ANDi汇总了预测的Denoising步骤和地面真相向后转换之间的差异.
- 在ANDi中使用的DDPM被训练在金字塔式高斯噪声上.
- 拟议的方法与三个不同的大脑MRI数据集的四个最近的UAD基线进行了验证.
主要成果:
- 与现有的UAD基线相比,ANDi在检测大脑MRI异常方面取得了实质性的改进.
- 该方法对各种类型的异常具有更高的稳定性.
- 具体来说,ANDi在检测多发性硬化症 (MS) 病变的精度回忆曲线 (AUPRC) 下面面积方面取得了高达44%的改善.
结论:
- 聚合规范扩散 (ANDi) 代表了多模态大脑MRI无监督异常检测的重大进展.
- 开发的方法提供了更高的准确性和稳定性,特别有利于识别神经系统疾病,如MS.
- ANDi有可能改善早期检测和诊断更广泛的大脑异常的范围.
