search

cnulab / MediCLIP

Official implementation of "MediCLIP: Adapting CLIP for Few-shot Medical Image Anomaly Detection (MICCAI 2024 Early Accept)"
MIT License
35 stars 0 forks source link

作者您好！ #2

Open liubaoning111 opened 4 months ago

liubaoning111 commented 4 months ago

作者您好！我在复现这个任务的时候发现这是针对多任务的？包括一个区分normal or unormal,然后是分割。我想知道能只用一个分割任务而不用去做分类吗？如果可以的话数据集的存放该如何设计呢

cnulab commented 4 months ago

您好！ 异常检测任务要求同时给出图片是否为异常并且定位异常的位置。实际上，图像级异常分数（区分图像是正常还是异常）来源于异常区域的分割结果，只是简单地取像素异常分数的最大值。因此你可以直接去掉图像分类，而无需进行任何修改（包括数据集）。 图像异常检测任务不同于图像分割任务，在训练时通常不提供异常图像和对应的ground truth。对于无监督异常检测任务来说，仅需要提供正常图像即可。

liubaoning111 commented 4 months ago

您好，谢谢您的回答！我没有做过异常检测的工作，更多的是针对已知的病灶进行分割，我现在仅有img和gt图像数据，您的代码支持这种单纯的分割任务吗？如果支持的话，数据集存放的设计（包括1.是否不再设置abnormal和normal而是直接放入一个文件夹即可2.json文件的设计该如何操作）可能需要您的帮助，烦请告知谢谢！

cnulab commented 4 months ago

做病灶分割我感觉还是不太适合，异常检测和医疗图像分割的任务设置还是不一样。我最近也在做病灶分割的相关任务，简单的nnunet就非常有效了，你也可以试一下。 https://github.com/MIC-DKFZ/nnUNet