近日，我院李佐勇教授课题组在图像异常检测领域的最新研究成果《Facing Differences of Similarity: Intra- and Inter-Correlation Unsupervised Learning for Chest X-Ray Anomaly Detection》被中国科学院大类一区Top、CCF B类期刊IEEE Transactions on Medical Imaging录用，李佐勇教授为该论文的通讯作者，其指导的福建农林大学计算机与信息学院硕士研究生许仕程同学为第一作者。
该论文提出了一种内-外联学习框架用于胸部X光片异常检测，仅使用正常图像进行无监督训练以关注更细微异常病灶区域。首先，为了更好地利用胸部X光片中相似的解剖结构信息，提出了解剖特征金字塔融合模块。该模块旨在获得具有局部细节和全局上下文信息的融合特征。这些融合特征由可训练特征映射器初始化并存储在特征库中作为语义中心。此外，面对预训练网络引入的相似性差异，提出了一种内-外联学习策略：（1）使用内联学习在单个图像的映射特征和语义中心之间建立内部相关，从而初步发现病变；（2）使用外联学习来建立不同图像的映射特征之间的外部相关，进一步缓解预训练网络引入的相似性差异。最后，与18种最先进的方法进行比较，证实所提方法在相关场景中的优越性和有效性。
（计算机学院 李佐勇 通讯员 黄昆畅）