文章目录
- Position-Guided Prompt Learning for Anomaly Detection in Chest X-Rays
- 摘要
- 方法
- 实验结果
Position-Guided Prompt Learning for Anomaly Detection in Chest X-Rays
摘要
背景： 胸部 X 线检查中的异常检测是一项关键任务。大多数方法主要对正态图像的分布进行建模，然后将与正态分布的显著偏差视为异常。最近，基于CLIP的方法在大量医学图像上进行了预训练，在零/少样本下游任务上显示出令人印象深刻的性能。
目的： 探索基于 CLIP 的方法在胸部 X 射线异常检测中的潜力。
方法： 提出了可学习的位置引导文本和图像提示，以使任务数据适应冻结的基于 CLIP 的预训练模型。为了增强模型的判别能力，我们在训练过程中提出了一种新的胸部 X 射线结构保持异常合成方法。
结果： 对三个数据集的广泛实验表明提出的方法优于一些最先进的方法
代码地址
方法
图像分为四个部分：左肺、右肺、上肺和下肺
通过几个步骤生成一个随机的、不规则的异常MASK
实验结果
