【论文阅读笔记】Towards Universal Unsupervised Anomaly Detection in Medical Imaging

Towards Universal Unsupervised Anomaly Detection in Medical Imaging

arxiv，19 Jan 2024 【开源】

【核心思想】

本文介绍了一种新的无监督异常检测方法—Reversed Auto-Encoders (RA)，旨在提高医学影像中病理检测的准确性和范围。RA通过生成类似健康的重建图像，能够检测到更广泛的病理类型，这在现有技术中是一个挑战。RA方法在多种医学成像模态（如脑部磁共振成像、儿童腕部X光片和胸部X光片）中展示了卓越的检测性能，与现有最先进的方法相比，RA在检测各种病理、解剖结构和成像模态方面都表现出更高的准确性和稳健性。此外，RA的自动异常检测能力在缺乏放射学专业知识的环境中特别有价值。然而，该研究也指出了在检测极其微妙的异常方面的限制，强调了需要改进异常图计算和开发更为复杂的评估指标，以满足临床诊断的精细需求。总的来说，RA框架在医学成像领域展现出巨大潜力，其能够准确地检测广泛的异常，对于推动医学成像与人工智能的结合、提高诊断过程的准确性具有重要意义。

【医学影像中的异常检测的常用方法概述】

1. 自监督方法：这些方法通过数据增强或预文本任务生成替代监督信号，利用数据固有特征和有限注释来识别异常。但这些方法可能会在预期的异常分布中引入偏见，尤其是当噪声或人工改变作为真实病理特征的代理时。例如，去噪自编码器（DAE）学习消除人工添加的粗糙高斯噪声，这种方法可能对特定异常（如脑肿瘤）有效，但对更广泛的异常检测应用有限。
2. 无监督异常检测：无监督方法旨在从正常人群中学习标准分布，然后将这些知识应用于异常检测。传统的自编码器（AE）和变分自编码器（VAE）在此领域起到了基础性作用。AEs通过编码解码架构捕捉和重建输入数据，假设异常将表现为显著的重建错误。然而，AEs常常难以学习详细的正常解剖特征，并不适合泛化到病理。VAEs通过规范化潜在空间并将其视为概率分布来解决AE的一些局限性。这种规范化允许更受约束的学习过程，使VAEs能更紧密地遵循标准分布。然而，这种规范化经常导致重建的图像模糊，这在识别微妙异常时可能是一个缺点。
3. 遮蔽自编码器（MAEs）：这些方法也利用了先进的神经网络架构的优势，但从不同的角度来处理异常检测问题。MAEs通过选择性地遮蔽输入数据的部分，并让模型预测这些遮蔽部分来工作。
4. 生成对抗网络（GANs）：GANs引入了对抗性训练方法，能够生成高度真实的图像。然而，它们可能会遭受模式崩溃，或生成与输入数据不一致的图像。为解决这些挑战，像软内省变分自编码器（SI-VAEs）等进步技术已经出现，它们融合了VAEs和GANs，旨在克服GANs在异常检测中的特定局限性。
5. 去噪扩散概率模型（DDPMs）：DDPMs采用一种迭代方法，涉及在图像空间中添加和随后去除噪声。然而，DDPMs的一个关键方面在于精心选择噪声水平，这一决策极大地影响它们的性能。

【方法】

1.方法提出的背景

在训练阶段（左），使用多尺度反向嵌入损失 ${\mathcal{L}}_{\text{Reversed }}$ ，结合证据下界（ELBO）和对抗优化，对编码器和解码器网络进行优化。在此过程中，解码器从随机噪声中生成合成图像，目的是欺骗编码器将其视为真实图像 $x_{\text{fake }}$ 。在推理阶段（右），RA模型处理一个新的输入 $x$ ，将其编码并重建为伪健康图像 $x_{\mathrm{ph}}$ 。异常检测是通过计算 $x$和 $x_{\mathrm{ph}}$ 之间的 L1 范数和感知差异来进行的，从而得到突出显示病理区域的异常图。

将“正常”称为没有病理。给定一组正态样本 $x\in X\subset {\mathbb{R}}^N$ ，AE的目标是找到函数 $f:{\mathbb{R}}^N\to {\mathbb{R}}^D$ ， $g:{\mathbb{R}}^D\to {\mathbb{R}}^N$ 使得 $x\approx g(f(x))$ 。 $f$ 分别 $g$ 称为编码器和解码器，将 $f$ 输入映射到较低维的表示形式。无监督异常检测(UAD)的基本假设是，这些学习的表示包含描述规范分布的特征，即使对于异常样本 $\bar{x}\notin X$ 也是如此。因此， $x_{ph}=(g(f(\bar{x})))\in \mathcal{X}$ 表示 $\bar{x}$ 的伪健康重建。异常分数通常来自输入与其重建之间的像素差异： $s(x)=|x-g(f(x))|$​ 。

在变分推理框架中，目标是通过最大化观测样本 $x$ 的对数似然 $\log p_{\theta }(x)$ 来优化潜在变量模型 ��⁢(�)$p_{\theta }(x)$ 的参数 $\theta$ 。为了解决这个问题，真正的后验 $p_{\theta }(z\mid x)$ 通过使用证据下限 （ELBO） 的提议分布 $q_{\varphi }(z\mid x)$ 来近似：$\log p_{\theta }(x)\ge {\mathbb{E}}_{q(z\mid x)}\left[\log p_{\theta }(x\mid z)\right]-\mathrm{KL}\left[q_{\varphi }(z\mid x)||p(z)\right]=\mathrm{ELBO}(x)$​

$p_{\theta }(x\mid z)$和$q_{\varphi }(z\mid x)$分别是解码器$D_{\theta }$和编码器$E_{\varphi }$，AE 通常使用正态分布作为先验分布 $p(z)=\mathcal{N}(\mu ,\sigma )$ ，并采用重参数化技巧来最大化 ELBO。为了将 VAE 的潜在特性与 GAN 的图像合成能力相结合，SI-VAE为 VAE 训练引入了对抗性损失。关键的创新是以对抗方式利用VAE的编码器和解码器，而无需外部鉴别器。该编码器旨在通过最小化真实样本和先验样本的潜在分布的KL散度来区分真实样本和生成样本，同时最大化生成样本的KL散度。相反，解码器通过使用标准ELBO重建真实数据样本并最小化编码器压缩的生成样本的KL散度来训练来“欺骗”编码器。编码器和解码器的优化目标如下：

$\begin{array}{l}{\mathcal{L}}_{E_{\varphi }}(x,z)=\mathrm{ELBO}(x)-\frac{1}{\alpha }\left(\exp \left(\alpha \mathrm{ELBO}\left(D_{\theta }(z)\right)\right)\right),\\ {\mathcal{L}}_{D_{\theta }}(x,z)=\mathrm{ELBO}(x)+\gamma \mathrm{ELBO}\left(D_{\theta }(z)\right),\end{array}$

2.RA: Reversed Autoencoders

RA的主要创新在于其复杂的训练机制，旨在学习和准确重建正常的解剖模式。通过三种不同训练策略的独特组合来实现：首先，利用ELBO对平滑潜在空间进行正则化处理，使模型能够有效地捕捉正常解剖特征的潜在分布;其次，实现了RA的编码器和解码器组件之间的内省对抗相互作用。这种相互作用确保了规范分布的高保真表示的生成，因为编码器和解码器相互挑战以优化其输出。最后，为了增强输入与其重建之间的连贯性——这在可能发生重大分歧的恢复阶段尤其重要——我们引入了“反向损失”。该损失函数旨在最大限度地减少原始图像与其重建版本之间的差异，从而确保 RA 在重建正常解剖结构时保持高度准确性，同时突出显示异常。

• Reversed Embedding Similarity

在编码器中实现反向多尺度嵌入相似性损失。这种方法确保输入表示与其生成的重建的嵌入紧密对齐，在多个尺度上执行：

$\begin{array}{r}{\mathcal{L}}_{\text{Reversed }}(x)={\sum }_{l=0}^L[\left(1-{\mathcal{L}}_{\text{Sim }}\left(E_{\varphi }^l(x),E_{\varphi }^l\left(x_{\text{rec }}\right)\right)\right)\\ +\frac{1}{2}\mathrm{MSE}\left(E_{\varphi }^l(x),E_{\varphi }^l\left(x_{\text{rec }}\right)\right)],\end{array}$

其中 $E_{\varphi }^l$ 表示 $L$ 个编码器层的第 $l$ 个嵌入，$x_{\text{rec }}=D_{\theta }\left(E_{\varphi }(x)\right),{\mathcal{L}}_{\text{Sim }}$ 是余弦相似度，$MSE$​ 是均方误差。编码器的目标函数结合了反向相似性的概念，定义为：

${\mathcal{L}}_{E_{\varphi }}(x,z)=\mathrm{ELBO}(x)-\frac{1}{\alpha }(\exp \left(\alpha \mathrm{ELBO}\left(D_{\theta }(z)\right)\right)+\lambda {\mathcal{L}}_{\text{Reversed }}(x)$

• 异常分数计算

  除了重建之外，准确检测异常还需要强大的异常评分计算方法。传统的基于残差的方法由于依赖于强度差异而经常面临局限性。为了解决这个问题，在计算残差之前应用自适应直方图均衡 。此外，还整合了感知差异，以增强异常检测的鲁棒性：$s(x)=\left|\mathrm{eq}\left(x_{ph}\right)-\mathrm{eq}(\bar{x})\right|\times \left({\mathcal{S}}_{\text{lpips }}\left(x_{ph},\bar{x}\right)\times {\mathcal{S}}_{\text{lpips }}\left(\mathrm{eq}\left(x_{ph}\right),\mathrm{eq}(\bar{x})\right)\right)$

其中 ${\mathcal{S}}_{\text{lpips }}$​ 表示学习的感知图像贴片相似度指标。

Perceptual Image Patch Similarity (PIPS)度量是一种用于评估图像之间相似性的方法，特别关注于感知特征。这种度量通常基于深度卷积神经网络（CNN）的特征，利用这些网络提取的特征来判断图像片段（patch）之间的相似度。PIPS度量的关键在于它不仅考虑像素级别的差异，而且还着眼于图像的感知特性，如结构和纹理。这使得PIPS度量能够更好地与人类视觉系统的感知一致，特别是在处理具有复杂纹理和结构的图像时。

【应用】

• 脑 MRI 异常定位

  

• 儿科手腕 X 光异常定位

  

• 胸部 X 光异常检测