Unsupervised Brain Anomaly Detection and Segmentation with Transformers

VQ-VAE + Transformer真香！其中用到了Performer模型，表现SOTA！性能优于AE等网络。

Unsupervised Brain Anomaly Detection and Segmentation with Transformers

• 作者单位：伦敦国王学院, 伦敦大学学院

• 论文下载链接：https://arxiv.org/abs/2102.11650

病理性脑部外观可能如此异质，以致仅可理解为异常，异常是由其偏离正常状态而不是任何特定病理特征定义的。

在医学成像中最艰巨的任务中，检测此类异常需要正常大脑的模型，该模型必须将紧凑性与表征其结构组织的复杂的远程相互作用的表现力相结合。这些需求可以说，与其他当前的候选架构相比，Transformer具有更大的潜力可以满足，但是它们对数据和计算资源的需求却阻碍了它们的应用。

在这里，我们将矢量量化变分自编码器的潜在表示与自回归变换器的集成相结合，以实现在相对适度的数据方案内以低计算成本实现的，与健康的大脑成像数据的偏差所定义的无监督异常检测和分段。在涉及合成和实际病理病变的一系列实验中，我们将我们的方法与当前的最新方法进行了比较。

实验结果

在实际病变上，我们在UK Biobank的15,000名放射学正常的参与者上训练了我们的模型，并评估了四种不同的具有小血管疾病，脱髓鞘病变和肿瘤的大脑MR数据集的性能。我们展示了卓越的异常检测性能，无论是图像处理还是像素处理，都无需后期处理即可实现。这些结果引起了人们对最具挑战性的成像任务的Transformer潜力的关注。

CVer-Transformer交流群

建了CVer-Transformer交流群！想要进Transformer学习交流群的同学，可以直接加微信号：CVer9999。加的时候备注一下：Transformer+学校+昵称，即可。然后就可以拉你进群了。