論文の概要: Polyp-E: Benchmarking the Robustness of Deep Segmentation Models via Polyp Editing

• arxiv url: http://arxiv.org/abs/2410.16732v1
• Date: Tue, 22 Oct 2024 06:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:51.896946
• Title: Polyp-E: Benchmarking the Robustness of Deep Segmentation Models via Polyp Editing
• Title（参考訳）: Polyp-E:ポリプ編集によるディープセグメンテーションモデルのロバスト性ベンチマーク
• Authors: Runpu Wei, Zijin Yin, Kongming Liang, Min Min, Chengwei Pan, Gang Yu, Haonan Huang, Yan Liu, Zhanyu Ma,
• Abstract要約: 日常的な臨床実践では、臨床医は位置と大きさのばらつきの両方でポリープを識別する堅牢性を示す。 自動大腸内視鏡検査において,深部分割モデルが同等の堅牢性を達成できるかどうかは不明である。 本研究は,ポリプ上でのセグメンテーションモデルのロバスト性について,様々な属性と健全なサンプルを用いて評価することに焦点を当てる。
• 参考スコア（独自算出の注目度）: 32.30835026874521
• License:
• Abstract: Automatic polyp segmentation is helpful to assist clinical diagnosis and treatment. In daily clinical practice, clinicians exhibit robustness in identifying polyps with both location and size variations. It is uncertain if deep segmentation models can achieve comparable robustness in automated colonoscopic analysis. To benchmark the model robustness, we focus on evaluating the robustness of segmentation models on the polyps with various attributes (e.g. location and size) and healthy samples. Based on the Latent Diffusion Model, we perform attribute editing on real polyps and build a new dataset named Polyp-E. Our synthetic dataset boasts exceptional realism, to the extent that clinical experts find it challenging to discern them from real data. We evaluate several existing polyp segmentation models on the proposed benchmark. The results reveal most of the models are highly sensitive to attribute variations. As a novel data augmentation technique, the proposed editing pipeline can improve both in-distribution and out-of-distribution generalization ability. The code and datasets will be released.
• Abstract（参考訳）: 自動ポリープセグメンテーションは臨床診断や治療に役立つ。 日常的な臨床実践では、臨床医は位置と大きさのばらつきの両方でポリープを識別する堅牢性を示す。 自動大腸内視鏡検査において,深部分割モデルが同等の堅牢性を達成できるかどうかは不明である。 モデルのロバスト性を評価するため,ポリプ上でのセグメンテーションモデルのロバスト性の評価に焦点をあてる。 The Latent Diffusion Model, we performed attribute editing on real polyps and build a new dataset called Polyp-E。 我々の合成データセットは、臨床の専門家が実際のデータと区別することが難しいほど、例外的なリアリズムを誇っている。 提案手法を用いて, 既存のポリプセグメンテーションモデルの評価を行った。 その結果、ほとんどのモデルが属性の変動に非常に敏感であることが判明した。 新たなデータ拡張手法として、提案した編集パイプラインは、分布内と分布外の両方の一般化能力を改善することができる。 コードとデータセットがリリースされる。

関連論文リスト

• Polyp-SES: Automatic Polyp Segmentation with Self-Enriched Semantic Model [7.424888086388194]
  本稿では,既存手法の制約に対処するため,自己富化セマンティックモデルを用いたAutomatic Polypを提案する。 まず、入力画像から一連の特徴を抽出し、ハイレベルな特徴をデコードし、初期セグメンテーションマスクを生成する。 提案する自己富化セマンティックモジュールを用いて,潜在的なセマンティクスを検索し,さらにセマンティクスを付加することで,コンテキスト理解のモデルを支援する。
  論文  参考訳（メタデータ） (2024-10-02T03:34:23Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• 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)
• 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)
• TGANet: Text-guided attention for improved polyp segmentation [2.3293678240472517]
  大腸内視鏡は金標準法であるが,操作性が高い。前駆体である自動ポリープセグメンテーションは早期の大腸癌の再発率とタイムリーな治療を最小化することができる。 トレーニング中にテキストアテンションの形でサイズとポリプ数に関連する特徴を活用できる。 提案するテキスト誘導型アテンションネットワーク(TGANet)は,異なるデータセットにおける可変サイズポリープによく対応できる。
  論文  参考訳（メタデータ） (2022-05-09T13:53:26Z)
• Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
  本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。 提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
  論文  参考訳（メタデータ） (2022-03-07T10:36:38Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• DDANet: Dual Decoder Attention Network for Automatic Polyp Segmentation [0.3734402152170273]
  本稿では,デュアルデコーダアテンションネットワークに基づくDDANet'という新しいアーキテクチャを提案する。 実験では、Kvasir-SEGデータセットで訓練され、見えないデータセットでテストされたモデルは、0.7874のダイス係数、0.7010のmIoU、0.7987のリコール、0.8577の精度を達成した。
  論文  参考訳（メタデータ） (2020-12-30T17:52:35Z)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)

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。