2023年12月，广西医科大学基因组与个体化医学研究中心李悦翔教授团队联合国内外多个科研机构（包括挪威科技大学、腾讯天衍研究中心等），在国际人工智能顶级刊物《Pattern Recognition》（IF: 8.0，中科院一区）上发表了题为《Anomaly detection via gating highway connection for retinal fundus images》的文章，该研究提出了一种基于生成网络的眼底图像异常检测算法。

图1 课题组所提出的眼底图像异常检测算法（GatingAno）

由于在实际场景中收集医学图像的标签具有挑战性，特别是对于罕见疾病，完全监督的方法无法实现临床异常检测的稳健性能。最近的研究试图通过仅使用正常数据训练异常检测框架来解决这个问题。基于重构的方法，例如自动编码器，在异常检测任务中取得了令人印象深刻的性能。然而，大多数现有方法采用简单的主干架构（即编码器和解码器）进行图像重建。跳跃连接的设计可以直接在编码器和解码器之间传输信息，但很少使用。由于现有的U-Net已经证明了跳跃连接对于图像重建任务的有效性，因此在本文中，我们首先使用动态门控策略来实现现有基于重建的异常检测方法中跳跃连接的使用，然后提出一种新颖的门控高速公路连接模块自适应地将跳跃连接集成到框架中并提高其异常检测性能，即GatingAno。此外，我们制定了一个辅助任务，即定向梯度直方图（HOG）预测，以鼓励框架以自我驱动的方式利用眼底图像的上下文信息，从而提高从健康样本中提取的特征表示的稳健性。

文章链接： https://www.sciencedirect.com/science/article/abs/pii/S0031320323008646

作者简介：李悦翔 [单独通讯]（教授，医学人工智能课题组，Medical AI ReSearch | MARS Group），英国诺丁汉大学博士，一直致力于医学影像智能算法的研究。目前共计发表学术论文70余篇，并担任多个CCF-A类会议/期刊的审稿人和领域主席。曾在腾讯以高级研究员的身份主导/参与了多个病种的人工智能辅助诊断系统的开发与落地，并指导多名实习生发表顶会/顶刊论文。

个人主页：https://yuexiangli.github.io