Towards Universal Unsupervised Anomaly Detection in Medical Imaging

要約

医療画像データの複雑さが増すにつれ、多様な病状を自動的に識別するための高度な異常検出方法の必要性が強調されています。
現在の方法は、広範囲の異常を捕捉するという課題に直面しており、多くの場合、その使用は脳スキャンにおける特定の病変タイプに限定されています。
この課題に対処するために、\textit{Reversed Auto-Encoders (RA)} と呼ばれる新しい教師なしアプローチを導入します。これは、より広範囲の病状の検出を可能にする現実的な疑似健康再構成を作成するように設計されています。
私たちは、脳の磁気共鳴画像法 (MRI)、小児手首 X 線、胸部 X 線などのさまざまな画像モダリティにわたって提案された方法を評価し、既存の最先端技術と比較して異常検出において優れた性能を実証します。
方法。
当社の教師なし異常検出アプローチは、より広範囲の未知の病状を特定することで、医用画像診断の精度を向上させる可能性があります。
私たちのコードは \url{https://github.com/ci-ber/RA} で公開されています。

要約(オリジナル)

The increasing complexity of medical imaging data underscores the need for advanced anomaly detection methods to automatically identify diverse pathologies. Current methods face challenges in capturing the broad spectrum of anomalies, often limiting their use to specific lesion types in brain scans. To address this challenge, we introduce a novel unsupervised approach, termed \textit{Reversed Auto-Encoders (RA)}, designed to create realistic pseudo-healthy reconstructions that enable the detection of a wider range of pathologies. We evaluate the proposed method across various imaging modalities, including magnetic resonance imaging (MRI) of the brain, pediatric wrist X-ray, and chest X-ray, and demonstrate superior performance in detecting anomalies compared to existing state-of-the-art methods. Our unsupervised anomaly detection approach may enhance diagnostic accuracy in medical imaging by identifying a broader range of unknown pathologies. Our code is publicly available at: \url{https://github.com/ci-ber/RA}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google