Position Regression for Unsupervised Anomaly Detection

要約

近年、医用画像解析において異常検出は欠かせない分野となっています。
現在の医用画像の異常検出方法のほとんどは、画像再構成に基づいています。
この作業では、座標回帰に基づく新しい異常検出アプローチを提案します。
私たちの方法は、ボリューム内のパッチの位置を推定し、健康な被験者のデータのみでトレーニングされています。
推論中に、特定のパッチの位置推定の誤差を考慮することで、異常を検出して特定できます。
我々 の方法を 3 D CT ボリュームに適用し、頭蓋内出血と頭蓋骨折患者で評価します。
結果は、私たちの方法がこれらの異常を検出するのにうまく機能することを示しています。
さらに、私たちの方法は、画像再構成を含む同等のアプローチよりも必要なメモリが少ないことを示しています。
これは、CT スキャンや MRI スキャンなど、大きな 3D ボリュームの処理に非常に適しています。

要約(オリジナル)

In recent years, anomaly detection has become an essential field in medical image analysis. Most current anomaly detection methods for medical images are based on image reconstruction. In this work, we propose a novel anomaly detection approach based on coordinate regression. Our method estimates the position of patches within a volume, and is trained only on data of healthy subjects. During inference, we can detect and localize anomalies by considering the error of the position estimate of a given patch. We apply our method to 3D CT volumes and evaluate it on patients with intracranial haemorrhages and cranial fractures. The results show that our method performs well in detecting these anomalies. Furthermore, we show that our method requires less memory than comparable approaches that involve image reconstruction. This is highly relevant for processing large 3D volumes, for instance, CT or MRI scans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google