論文の概要: Polyp-Gen: Realistic and Diverse Polyp Image Generation for Endoscopic Dataset Expansion
- arxiv url: http://arxiv.org/abs/2501.16679v2
- Date: Wed, 29 Jan 2025 16:04:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-30 12:31:29.009523
- Title: Polyp-Gen: Realistic and Diverse Polyp Image Generation for Endoscopic Dataset Expansion
- Title（参考訳）: Polyp-Gen: 内視鏡的データセット拡張のための実時間および横方向のポリプ画像生成
- Authors: Shengyuan Liu, Zhen Chen, Qiushi Yang, Weihao Yu, Di Dong, Jiancong Hu, Yixuan Yuan,
- Abstract要約: 本稿では,最初のフルオートマチック拡散に基づく内視鏡画像生成フレームワークであるPolyp-Genを紹介する。
具体的には、ポリープ境界領域の構造的文脈を高めるために、病変誘導損失を伴う空間認識拡散訓練手法を考案する。
ポリープ領域の局所化に先立つ医学的先行を捉えるために,階層的検索に基づくサンプリング戦略を導入する。
- 参考スコア（独自算出の注目度）: 35.74618077230043
- License:
- Abstract: Automated diagnostic systems (ADS) have shown significant potential in the early detection of polyps during endoscopic examinations, thereby reducing the incidence of colorectal cancer. However, due to high annotation costs and strict privacy concerns, acquiring high-quality endoscopic images poses a considerable challenge in the development of ADS. Despite recent advancements in generating synthetic images for dataset expansion, existing endoscopic image generation algorithms failed to accurately generate the details of polyp boundary regions and typically required medical priors to specify plausible locations and shapes of polyps, which limited the realism and diversity of the generated images. To address these limitations, we present Polyp-Gen, the first full-automatic diffusion-based endoscopic image generation framework. Specifically, we devise a spatial-aware diffusion training scheme with a lesion-guided loss to enhance the structural context of polyp boundary regions. Moreover, to capture medical priors for the localization of potential polyp areas, we introduce a hierarchical retrieval-based sampling strategy to match similar fine-grained spatial features. In this way, our Polyp-Gen can generate realistic and diverse endoscopic images for building reliable ADS. Extensive experiments demonstrate the state-of-the-art generation quality, and the synthetic images can improve the downstream polyp detection task. Additionally, our Polyp-Gen has shown remarkable zero-shot generalizability on other datasets. The source code is available at https://github.com/CUHK-AIM-Group/Polyp-Gen.
- Abstract（参考訳）: 自動診断システム(ADS)は内視鏡検査でポリープの早期検出に有意な可能性を示し,大腸癌の発生率を低下させた。
しかし、高いアノテーションコストと厳密なプライバシー上の懸念により、高品質な内視鏡画像の取得は、ADSの開発において大きな課題となる。
近年のデータセット拡張のための合成画像生成の進歩にもかかわらず、既存の内視鏡画像生成アルゴリズムは、ポリプ境界領域の詳細を正確に生成することができず、通常、生成した画像のリアリズムと多様性を制限するポリプの可視な位置と形状を特定するために、医学的事前を必要とする。
これらの制約に対処するため、最初のフルオートマチック拡散に基づく内視鏡画像生成フレームワークであるPolyp-Genを提案する。
具体的には、ポリープ境界領域の構造的文脈を高めるために、病変誘導損失を伴う空間認識拡散訓練手法を考案する。
さらに, ポリープ領域の局所化に先立つ医学的先行を捉えるために, 同様の微細な空間的特徴に適合する階層的検索に基づくサンプリング戦略を導入する。
このようにして、私たちのPolyp-Genは、信頼性のあるADSを構築するために、現実的で多様な内視鏡画像を生成することができる。
大規模な実験では、最先端の生成品質が示され、合成画像は下流ポリプ検出タスクを改善することができる。
さらに、Polyp-Genは他のデータセットで顕著なゼロショットの一般化性を示した。
ソースコードはhttps://github.com/CUHK-AIM-Group/Polyp-Genで入手できる。
関連論文リスト
- PolypDB: A Curated Multi-Center Dataset for Development of AI Algorithms in Colonoscopy [32.24135806984274]
PolypDBは、3934の静止ポリプイメージと、実際の大腸内視鏡ビデオから対応する地上真実を含む、大規模な公開データセットである。
PolypDBは、ブルーライトイメージング(BLI)、フレキシブルイメージングカラーエンハンスメント(FICE)、リンクカラーイメージング(LCI)、ナローバンドイメージング(NBI)、ホワイトライトイメージング(WLI)の5つのモードからなる。
論文 参考訳（メタデータ） (2024-08-19T05:36:01Z) - EndoFinder: Online Image Retrieval for Explainable Colorectal Polyp Diagnosis [10.83700068295662]
EndoFinderはコンテンツベースの画像検索フレームワークである。
新たに検出されたポリプが与えられた参照データベースでは、'デジタルツイン'ポリプが見つかる。
新しいポリプの臨床的意味は、一致したポリプを参照して推測することができる。
論文 参考訳（メタデータ） (2024-07-16T05:40:17Z) - 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) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - 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) - 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) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z)
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。