187.
前列腺癌是男性常见的恶性肿瘤, 其MRI图像的自动异常检测对于提升诊断效率和减轻医生负担具有重要意义. 针对现有方法依赖大量标注样本且对细微病灶检测能力有限的问题, 本文提出了一种基于集成自编码器与残差伪异常生成的无监督前列腺癌异常检测方法. 具体而言, 首先引入中心化核对齐(
CKA)损失的集成自编码器, 有效抑制特征冗余并生成多样化的重建结果. 其次, 通过融合多分支自编码器残差的一致高响应区域, 在无标注情况下注入解剖约束扰动, 生成更加贴近真实病灶的伪异常样本. 再次, 提出在检测网络中引入频域对比损失, 以放大正常与异常样本在频域空间的区分能力. 最后, 采用双阶段流程, 确保训练与推理过程一致, 提升模型鲁棒性. 大量实验结果表明, 所提方法在公开前列腺MRI及脑部MRI数据集上均取得了优异的检测准确率和良好的跨域泛化能力. 其中, 在PICAI、PMU及BTM数据集上, 图像级AUC分别达到84.00%、89.20%和89.50%, AP值分别达到82.5%、87.00%和 88.80%, 优于现有主流方法.… …
相似文献