论文
SADUSI：多来源超声基准揭示自监督异常检测的局限
A Multi-Source Ultrasound Benchmark Revealing the Limits of Contemporary Self-Supervised Anomaly Detection Methods
摘要
自监督异常检测是医学超声的一个有前途的范例，因为正常图像通常比所有可能病理的详尽注释更容易获得。然而，大多数现有的评估仅限于单个解剖结构或任务，因此尚不清楚模型是否学习了正常超声外观的稳健概念或仅学习了特定于源的表示。我们介绍 SADUSI 基准，这是一个多源超声数据集，旨在训练和评估广泛的解剖区域、视图和采集协议的异常检测方法。 SADUSI 的目标是提供多样化的正常超声分布和可从单幅图像评估的可见结构异常的基准。我们评估了代表性的自监督异常检测方法，发现当前的方法在这种情况下表现不佳。特别是，基于重建的扩散方法（例如 AnoDDPM 和 DeCo-Diff）实现了 0.56-0.72 的像素级 AUROC 值和 0.10-0.26 的最大 F1 分数，表明病理学与病理学的分离有限。 正常图像区域。基于特征的 PatchCore 变体表现更好，达到了 0.76-0.83 的像素级 AUROC 值，但仍受到最大 F1 分数 0.14-0.40 的限制。这些发现表明，广泛的多源超声异常检测仍然是一个开放的挑战，SADUSI 可以作为开发超越特定解剖设置的方法的资源。
