近日，实验室一项题为“图像无监督异常检测方法、系统、产品、介质及设备”的发明专利获得授权（申请号：CN202510062071）。该专利提出了一种基于双异构知识蒸馏网络的无监督异常检测方法，主要用于OCT视网膜图像的自动化异常识别与定位。
图1 流程示意图
在眼科医学影像分析中，OCT图像广泛应用于青光眼、糖尿病视网膜病变等疾病的早期诊断。然而，异常样本稀缺、病变形态复杂多变等问题，使得监督学习方法在实际应用中面临挑战。该专利通过在无监督框架下结合教师网络与学生网络，利用特征重构差异实现异常检测，避免了传统方法对大量标注数据的依赖。
图2 示意图
该方法的核心包括一个编码器-双解码器结构的学生网络，结合了卷积操作与状态空间模型（Mamba模块），增强了模型对图像长程依赖关系的建模能力。同时，通过全局与局部特征分支的协同，提升了模型对细微病变和结构性异常的敏感性。
图3 示意图
该技术不仅适用于眼科医学影像，也可扩展至工业图像的异常检测场景，为医学影像分析领域提供了新的解决方案。