Efficient Slice Anomaly Detection Network for 3D Brain MRI Volume

要約

現在の異常検出方法は、ベンチマークとなる産業データでは優れていますが、「正常」と「異常」の定義が異なるため、自然画像や医療データでは困難を伴います。
このため、これらの分野での逸脱を正確に特定することが特に困難になります。
特に 3D 脳 MRI データの場合、すべての最先端のモデルは 3D 畳み込みニューラル ネットワークを使用した再構成ベースであり、メモリを大量に消費し、時間がかかり、さらなる後処理を必要とするノイズの多い出力を生成します。
私たちは、Simple Slice-based Network (SimpleSliceNet) と呼ばれるフレームワークを提案します。これは、ImageNet で事前トレーニングされ、別の MRI データセットで微調整されたモデルを 2D スライス特徴抽出器として利用して、計算コストを削減します。
抽出された特徴を集約して、3D 脳 MRI ボリュームに対して異常検出タスクを実行します。
私たちのモデルは、条件付き正規化フローを統合して特徴の対数尤度を計算し、セミプッシュプル メカニズムを採用して異常検出の精度を高めます。
結果はパフォーマンスの向上を示しており、脳 MRI データに存在する課題に対処する際のモデルの顕著な適応性と有効性を示しています。
さらに、大規模な 3D 脳ボリュームの場合、当社のモデル SimpleSliceNet は、精度、メモリ使用量、消費時間の点で最先端の 2D および 3D モデルよりも優れています。
コードは https://anonymous.4open.science/r/SimpleSliceNet-8EA3 で入手できます。

要約(オリジナル)

Current anomaly detection methods excel with benchmark industrial data but struggle with natural images and medical data due to varying definitions of ‘normal’ and ‘abnormal.’ This makes accurate identification of deviations in these fields particularly challenging. Especially for 3D brain MRI data, all the state-of-the-art models are reconstruction-based with 3D convolutional neural networks which are memory-intensive, time-consuming and producing noisy outputs that require further post-processing. We propose a framework called Simple Slice-based Network (SimpleSliceNet), which utilizes a model pre-trained on ImageNet and fine-tuned on a separate MRI dataset as a 2D slice feature extractor to reduce computational cost. We aggregate the extracted features to perform anomaly detection tasks on 3D brain MRI volumes. Our model integrates a conditional normalizing flow to calculate log likelihood of features and employs the Semi-Push-Pull Mechanism to enhance anomaly detection accuracy. The results indicate improved performance, showcasing our model’s remarkable adaptability and effectiveness when addressing the challenges exists in brain MRI data. In addition, for the large-scale 3D brain volumes, our model SimpleSliceNet outperforms the state-of-the-art 2D and 3D models in terms of accuracy, memory usage and time consumption. Code is available at: https://anonymous.4open.science/r/SimpleSliceNet-8EA3.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google