この記事では、合成画像におけるネットワーク誘発の形状アーティファクトを特定するための新しい知識ベースの異常検出手法が提案されています。合成データは、機械学習モデルの訓練に役立つが、適切な品質評価が行われない場合、モデルの性能が低下するアーティファクトや歪み、非現実的な特徴が導入される可能性があります。本手法は、角度勾配の画像ごとの分布を分析する特徴抽出器と、異常検出のための隔離森林アルゴリズムから成る二段階のフレームワークを使用します。CSAW-MおよびVinDr-Mammoの二つの合成マンモグラフィデータセットに対して、この手法の有効性を示しました。定量的評価の結果、アーティファクトが最も異常な部分に集中していることが確認され、また、対象として選ばれた画像は、実際の人間の読影者によってもアーティファクトが含まれていると識別されることがわかりました。この手法は、合成データの責任ある使用を促進し、全体的なデータセットの質を向上させるための具現化となっています。