Estimation incrémentale pour la détection non supervisée d'anomalies multivariées en imagerie médicale
Résumé
La détection non supervisée d'anomalies en imagerie médicale est une tache complexe. Les réseaux de neurones artificiels sont souvent utilisés, mais ils ne sont pas toujours optimaux en termes de précision et de ressources computationnelles. Nous explorons les mélanges de distributions de probabilité comme alternative, car ils sont plus faciles à interpréter, à estimer, et avec moins de paramètres. Toutefois, les procédures d'estimation standard ne sont pas adaptées aux gros volumes de données. Pour y remédier, nous proposons une approche incrémentale qui calcule les quantités inférentielles séquentiellement. Nous illustrons l'efficacité de cette approche avec un problème de détection d'anomalies subtiles dans des IRM cérébrales de patients Parkinsoniens récemment diagnostiqués.
Domaines
Statistiques [stat]Origine | Fichiers produits par l'(les) auteur(s) |
---|