論文の概要: Polyp-DDPM: Diffusion-Based Semantic Polyp Synthesis for Enhanced
Segmentation
- arxiv url: http://arxiv.org/abs/2402.04031v1
- Date: Tue, 6 Feb 2024 14:26:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 14:29:00.103968
- Title: Polyp-DDPM: Diffusion-Based Semantic Polyp Synthesis for Enhanced
Segmentation
- Title(参考訳): Polyp-DDPM:拡張セグメンテーションのための拡散型セマンティックポリープ合成
- Authors: Zolnamar Dorjsembe, Hsing-Kuo Pao and Furen Xiao
- Abstract要約: Polyp-DDPMは,マスク上に条件付きポリプのリアルな画像を生成する拡散法である。
我々のアプローチは、医療画像に関連するデータ制限、高アノテーションコスト、プライバシー問題といった課題に対処する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study introduces Polyp-DDPM, a diffusion-based method for generating
realistic images of polyps conditioned on masks, aimed at enhancing the
segmentation of gastrointestinal (GI) tract polyps. Our approach addresses the
challenges of data limitations, high annotation costs, and privacy concerns
associated with medical images. By conditioning the diffusion model on
segmentation masks-binary masks that represent abnormal areas-Polyp-DDPM
outperforms state-of-the-art methods in terms of image quality (achieving a
Frechet Inception Distance (FID) score of 78.47, compared to scores above
83.79) and segmentation performance (achieving an Intersection over Union (IoU)
of 0.7156, versus less than 0.6694 for synthetic images from baseline models
and 0.7067 for real data). Our method generates a high-quality, diverse
synthetic dataset for training, thereby enhancing polyp segmentation models to
be comparable with real images and offering greater data augmentation
capabilities to improve segmentation models. The source code and pretrained
weights for Polyp-DDPM are made publicly available at
https://github.com/mobaidoctor/polyp-ddpm.
- Abstract(参考訳): 本研究は, 消化管ポリープのセグメンテーション向上を目的とした, マスク上のポリプの現実的な画像生成のための拡散ベース手法であるpolyp-ddpmを提案する。
我々のアプローチは、医療画像に関連するデータ制限、高アノテーションコスト、プライバシーに関する課題に対処する。
異常領域を表すセグメンテーションマスク-バイナリマスクの拡散モデルを条件付けすることにより、ポリプ-DDPMは画像品質(フレシェインセプション距離(FID)スコアが78.47、スコアが83.79以上)とセグメンテーション性能(インターセクションオーバーユニオン(IoU)が0.7156、ベースラインモデルの合成画像が0.6694、実データが0.6767と、最先端の手法よりも優れている。
提案手法は,高品質で多様な合成データセットを生成し,実画像に匹敵するポリプセグメンテーションモデルを強化し,セグメンテーションモデルを改善するためのデータ拡張機能を提供する。
polyp-ddpmのソースコードと事前トレーニングされたウェイトは、https://github.com/mobaidoctor/polyp-ddpmで公開されている。
関連論文リスト
- ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic
Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。
本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。
Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。
微調整段階におけるIoU誘導サンプル再重み付けの導入
論文 参考訳(メタデータ) (2024-01-10T07:03:41Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Mask-conditioned latent diffusion for generating gastrointestinal polyp
images [2.027538200191349]
本研究では,与えられたセグメンテーションマスクに条件付き合成GIポリプ画像を生成する条件付きDPMフレームワークを提案する。
本システムでは,ポリプの接地真実マスクを用いて,無限個の高忠実度合成ポリプ画像を生成することができる。
以上の結果から,実データと合成データの両方からなるトレーニングデータから,DeepLabv3+から0.7751の最適マイクロイモージョンIOUが得られた。
論文 参考訳(メタデータ) (2023-04-11T14:11:17Z) - Simple U-net Based Synthetic Polyp Image Generation: Polyp to Negative
and Negative to Polyp [5.943584566266871]
合成ポリープ生成は、医療データのプライバシー問題を克服するための良い代替手段である。
本稿では,実画像と類似した合成ポリプ画像を生成するディープラーニングベースのポリプ画像生成フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-20T08:47:44Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse
Bounding Box Annotations [79.17754846553866]
我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。
実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。
提案手法は従来の最先端手法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2022-12-07T07:45:50Z) - PolypConnect: Image inpainting for generating realistic gastrointestinal
tract images with polyps [1.7915968197912802]
下部消化管(GI)におけるポリープの早期同定は,致死性大腸癌の予防につながる可能性がある。
ポリープを検出するCADシステムは、検出精度と効率を改善し、エンドスコピストと呼ばれるドメインの専門家の時間を節約することができる。
本稿では,非ポリプ画像からポリプ画像に変換することにより,トレーニング用データセットのサイズを拡大するPolypConnectパイプラインを提案する。
論文 参考訳(メタデータ) (2022-05-30T20:20:19Z) - BDG-Net: Boundary Distribution Guided Network for Accurate Polyp
Segmentation [9.175022232984709]
ポリープ切除術は腺腫から腺癌への進行を効果的に阻害することができる。
ポリープの大きさやポリープとその周囲の粘膜の境界が不明瞭であるため、ポリープを正確に分割することは困難である。
正確なポリープ分割のための境界分布誘導ネットワーク(BDG-Net)を設計する。
論文 参考訳(メタデータ) (2022-01-03T17:15:18Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳(メタデータ) (2021-08-16T07:09:06Z) - Colonoscopy Polyp Detection: Domain Adaptation From Medical Report
Images to Real-time Videos [76.37907640271806]
大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。
収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
論文 参考訳(メタデータ) (2020-12-31T10:33:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。