在线离群值检测
我想处理自动分段的显微镜图像，以检测故障图像和/或故障分割，作为高通量成像管线的一部分。可以为每个原始图像和分割计算很多参数，当图像有缺陷时，这些参数将变为“极端”。例如，图像中的气泡将导致异常，例如检测到的“单元”之一的尺寸过大，或者整个场的单元计数异常低。我正在寻找一种检测这些异常情况的有效方法。理想情况下，我更喜欢一种具有以下属性的方法（大致按需要排序）： 不需要预定义的绝对阈值（尽管可以使用预定义的百分比）； 不需要将所有数据都存储在内存中，甚至不需要查看所有数据；该方法具有自适应性并可以在看到更多数据时更新其标准就可以了；（显然，以很小的概率，异常可能会在系统看到足够的数据之前发生，并且会丢失等）。 是可并行化的：例如，在第一轮中，许多并行工作的节点会产生中间候选异常，然后在第一轮完成后进行第二轮选择。 我正在寻找的异常情况并不细微。如果人们看一下数据的直方图，它们就是显而易见的类型。但是，所讨论的数据量以及在生成图像时实时执行此异常检测的最终目标，排除了需要人工评估者检查直方图的任何解决方案。 谢谢！