Region and Spatial Aware Anomaly Detection for Fundus Images

要約

近年、眼疾患の診断において異常検出が注目されています。
眼底画像の既存の異常検出研究のほとんどは、血管、光学カップ、ディスクなどの顕著な網膜構造に比較的大きな異常スコアがあります。
この論文では、正常構造の偽陽性を減らすために局所領域と長距離空間情報を取得する、眼底画像の領域および空間認識異常検出（ReSAD）方法を提案します。
ReSAD は、事前にトレーニングされたモデルを転送して通常の眼底画像の特徴を抽出し、ピクセルレベルの特徴に領域および空間認識特徴組み合わせモジュール (ReSC) を適用してメモリ バンクを構築します。
テスト フェーズでは、ReSAD はメモリ バンクを使用して、配布されていないサンプルを異常として判断します。
私たちの方法は、2つの公開ベンチマークデータセットでの眼底画像の既存の異常検出方法よりも大幅に優れています。

要約(オリジナル)

Recently anomaly detection has drawn much attention in diagnosing ocular diseases. Most existing anomaly detection research in fundus images has relatively large anomaly scores in the salient retinal structures, such as blood vessels, optical cups and discs. In this paper, we propose a Region and Spatial Aware Anomaly Detection (ReSAD) method for fundus images, which obtains local region and long-range spatial information to reduce the false positives in the normal structure. ReSAD transfers a pre-trained model to extract the features of normal fundus images and applies the Region-and-Spatial-Aware feature Combination module (ReSC) for pixel-level features to build a memory bank. In the testing phase, ReSAD uses the memory bank to determine out-of-distribution samples as abnormalities. Our method significantly outperforms the existing anomaly detection methods for fundus images on two publicly benchmark datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google