近日，計(jì)算機(jī)學(xué)院李佐勇教授課題組在圖像異常檢測領(lǐng)域的最新研究成果《Facing Differences of Similarity: Intra- and Inter-Correlation Unsupervised Learning for Chest X-Ray Anomaly Detection》被中國科學(xué)院大類一區(qū)Top、CCF B類期刊IEEE Transactions on Medical Imaging錄用，李佐勇教授為該論文的通訊作者，其指導(dǎo)的福建農(nóng)林大學(xué)計(jì)算機(jī)與信息學(xué)院碩士研究生許仕程同學(xué)為第一作者。

該論文提出了一種內(nèi)-外聯(lián)學(xué)習(xí)框架用于胸部X光片異常檢測，僅使用正常圖像進(jìn)行無監(jiān)督訓(xùn)練以關(guān)注更細(xì)微異常病灶區(qū)域。為了更好地利用胸部X光片中相似的解剖結(jié)構(gòu)信息，提出了解剖特征金字塔融合模塊。該模塊旨在獲得具有局部細(xì)節(jié)和全局上下文信息的融合特征。這些融合特征由可訓(xùn)練特征映射器初始化并存儲(chǔ)在特征庫中作為語義中心。此外，面對(duì)預(yù)訓(xùn)練網(wǎng)絡(luò)引入的相似性差異，提出了一種內(nèi)-外聯(lián)學(xué)習(xí)策略：（1）使用內(nèi)聯(lián)學(xué)習(xí)在單個(gè)圖像的映射特征和語義中心之間建立內(nèi)部相關(guān)，從而初步發(fā)現(xiàn)病變；（2）使用外聯(lián)學(xué)習(xí)來建立不同圖像的映射特征之間的外部相關(guān)，進(jìn)一步緩解預(yù)訓(xùn)練網(wǎng)絡(luò)引入的相似性差異。最后，與18種最先進(jìn)的方法進(jìn)行比較，證實(shí)所提方法在相關(guān)場景中的優(yōu)越性和有效性。 

（計(jì)算機(jī)學(xué)院 李佐勇 通訊員 黃昆暢）

【責(zé)任編輯 羅曉華】