[论文解读] Unsupervised Dual Adversarial Learning for Anomaly Detection in Colonoscopy Video Frames

Yuyuan Liu, Yu Tian+5 more|arXiv (Cornell University)|Oct 23, 2019

Anomaly Detection Techniques and Applications参考文献 20被引用 4

一句话总结

该论文提出ADGAN，一种新颖的无监督结肠镜视频帧异常检测框架，采用双生成对抗网络结构，包含两个生成器和两个判别器，用于检测息肉作为异常。模型仅在无息肉的正常帧上进行训练，对异常帧的重建效果差，产生较高的重建误差，从而标识息肉存在，该方法在新构建的结肠镜数据集上实现了0.7296的SOTA AUC。

ABSTRACT

The automatic detection of frames containing polyps from a colonoscopy video sequence is an important first step for a fully automated colonoscopy analysis tool. Typically, such detection system is built using a large annotated data set of frames with and without polyps, which is expensive to be obtained. In this paper, we introduce a new system that detects frames containing polyps as anomalies from a distribution of frames from exams that do not contain any polyps. The system is trained using a one-class training set consisting of colonoscopy frames without polyps -- such training set is considerably less expensive to obtain, compared to the 2-class data set mentioned above. During inference, the system is only able to reconstruct frames without polyps, and when it tries to reconstruct a frame with polyp, it automatically removes (i.e., photoshop) it from the frame -- the difference between the input and reconstructed frames is used to detect frames with polyps. We name our proposed model as anomaly detection generative adversarial network (ADGAN), comprising a dual GAN with two generators and two discriminators. We show that our proposed approach achieves the state-of-the-art result on this data set, compared with recently proposed anomaly detection systems.

研究动机与目标

• 通过将息肉检测建模为一类异常检测问题，解决标注息肉数据集成本高且稀缺的问题。
• 克服基于自编码器的方法依赖MSE损失且难以捕捉全局视觉特征的局限性。
• 改进基于GAN的方法，这些方法缺乏端到端训练，且在从潜在码重建稳定图像方面存在困难。
• 开发一个统一的、端到端的框架，结合对抗训练与多损失优化，实现结肠镜图像中稳健的息肉检测。

提出的方法

• 提出ADGAN，一种双GAN架构，包含用于图像级重建的视觉生成器与判别器，以及用于潜在空间映射的潜在生成器与判别器。
• 使用结合MSE、Wasserstein和二元交叉熵（BCE）损失的联合损失函数，对视觉生成器进行训练，以重建输入图像。
• 采用两阶段训练流程：首先冻结潜在GAN，对视觉GAN进行80,000轮预训练；随后联合训练两个GAN共20,000轮。
• 通过编码器网络生成潜在码，将输入图像映射到潜在空间，从而支持视觉生成器重建输入图像。
• 使用L2重建误差计算异常分数：$ A( extbf{x}) = ig\| extbf{x} - G_v(G_l( extbf{x})) ig\|_2^2 $，其中高值表示存在息肉。
• 在验证集上对超参数$\alpha$和$\beta$进行优化，取值范围为[0.1, 10]，以平衡损失分量。

实验结果

研究问题

• RQ1 仅在正常结肠镜帧上进行训练的一类学习方法，能否以高精度检测出含息肉的帧作为异常？
• RQ2 将对抗训练与双GAN架构结合，是否能提升重建保真度与异常检测性能，优于标准自编码器或GAN？
• RQ3 所提出的多损失函数（MSE、Wasserstein、BCE）是否能稳定训练并增强模型检测细微息肉异常的能力？
• RQ4 与两阶段训练策略相比，视觉与潜在GAN的端到端联合训练在重建质量与异常检测AUC方面表现如何？
• RQ5 该模型在具有复杂纹理与伪影（如水或粪便）的真实结肠镜图像上，其泛化能力如何？

主要发现

• ADGAN在包含14,317张图像的新结肠镜数据集上实现了SOTA的ROC曲线下面积（AUC）0.7296，优于现有方法。
• 模型对含息肉帧的重建误差显著更高（异常分数 > 0.7296 AUC），表明能有效检测异常区域。
• 视觉重建结果表明，ADGAN能成功从输入图像中去除息肉，生成符合生理特征的健康结肠壁外观。
• 双GAN结构实现了稳定训练并提升了特征表示能力，相比标准自编码器与GAN，显著降低了假阴性率。
• MSE、Wasserstein与BCE损失的组合使模型泛化能力更强，异常分数更具判别性，优于单一损失基线。
• 模型在未见测试数据上泛化良好，即使在光照与纹理多变的复杂结肠镜图像上仍保持高性能。