論文の概要: Holistic White-light Polyp Classification via Alignment-free Dense Distillation of Auxiliary Optical Chromoendoscopy

• arxiv url: http://arxiv.org/abs/2505.19319v1
• Date: Sun, 25 May 2025 21:09:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.052246
• Title: Holistic White-light Polyp Classification via Alignment-free Dense Distillation of Auxiliary Optical Chromoendoscopy
• Title（参考訳）: 補助光学式クロモエンドスコープのアライメントフリーデンス蒸留によるホロスティック白色光ポリープ分類
• Authors: Qiang Hu, Qimei Wang, Jia Chen, Xuantao Ji, Qiang Li, Zhiwei Wang,
• Abstract要約: 本稿では,ポリプローカライゼーションを必要とせず,フルイメージの診断を活用できる新しい包括的分類フレームワークを提案する。 重要な革新は、細粒なクロスドメイン知識の蒸留を可能にするアライメントフリーデンス蒸留(ADD)モジュールである。 提案手法は,AUCにおいて,少なくとも2.5%,16.2%の精度で,最先端性能を達成し,他の手法よりも比較的優れていた。
• 参考スコア（独自算出の注目度）: 10.387995522373041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: White Light Imaging (WLI) and Narrow Band Imaging (NBI) are the two main colonoscopic modalities for polyp classification. While NBI, as optical chromoendoscopy, offers valuable vascular details, WLI remains the most common and often the only available modality in resource-limited settings. However, WLI-based methods typically underperform, limiting their clinical applicability. Existing approaches transfer knowledge from NBI to WLI through global feature alignment but often rely on cropped lesion regions, which are susceptible to detection errors and neglect contextual and subtle diagnostic cues. To address this, this paper proposes a novel holistic classification framework that leverages full-image diagnosis without requiring polyp localization. The key innovation lies in the Alignment-free Dense Distillation (ADD) module, which enables fine-grained cross-domain knowledge distillation regardless of misalignment between WLI and NBI images. Without resorting to explicit image alignment, ADD learns pixel-wise cross-domain affinities to establish correspondences between feature maps, guiding the distillation along the most relevant pixel connections. To further enhance distillation reliability, ADD incorporates Class Activation Mapping (CAM) to filter cross-domain affinities, ensuring the distillation path connects only those semantically consistent regions with equal contributions to polyp diagnosis. Extensive results on public and in-house datasets show that our method achieves state-of-the-art performance, relatively outperforming the other approaches by at least 2.5% and 16.2% in AUC, respectively. Code is available at: https://github.com/Huster-Hq/ADD.
• Abstract（参考訳）: The White Light Imaging (WLI) and Narrow Band Imaging (NBI) is the two main colonoscopic modalities for polyp classification。 NBIは、光学的クロマトグラフィーとして、貴重な血管の詳細を提供するが、WLIは、資源制限設定において最も一般的で、しばしば唯一利用可能なモダリティである。 しかしながら、WLIベースの手法は典型的には性能が悪く、臨床応用性が制限される。 既存のアプローチは、グローバルな特徴アライメントを通じてNBIからWLIへ知識を伝達するが、しばしば収穫された病変領域に依存する。 そこで本研究では,ポリプローカライゼーションを必要とせず,フルイメージの診断を生かした,新たな包括的分類フレームワークを提案する。 鍵となる革新はアライメントフリーのDense Distillation (ADD)モジュールであり、これはWLIとNBIのイメージのミスアライメントに関わらず、細粒度のドメイン間知識の蒸留を可能にする。 明示的な画像アライメントに頼らずに、ADDは特徴写像間の対応を確立するためにピクセル単位のクロスドメイン親和性を学び、最も関連するピクセル接続に沿って蒸留を導く。 蒸留信頼性をさらに高めるため、ADDはクラス活性化マッピング (Class Activation Mapping, CAM) を導入し、ドメイン間の親和性をフィルタリングし、この蒸留経路がポリプ診断に等しく寄与する意味的に一貫した領域のみを接続することを保証する。 公開データセットと社内データセットの総合的な結果から,我々の手法は最先端のパフォーマンスを達成し,AUCにおいてそれぞれ2.5%,16.2%以上の精度で他の手法よりも優れていた。 コードは、https://github.com/Huster-Hq/ADD.comで入手できる。

関連論文リスト

• Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detections [50.343419243749054]
  異常検出(AD)は、通常のデータ分布から逸脱を識別する。 本稿では,視覚エンコーダから抽出した画像コンテキストに基づいて,テキストエンコーダのプロンプトを条件付ける手法を提案する。 提案手法は,14のデータセットにおいて,各メトリクスに対して2%から29%の性能向上を実現している。
  論文  参考訳（メタデータ） (2025-04-15T10:42:25Z)
• Source-Free Domain Adaptation for Medical Image Segmentation via Prototype-Anchored Feature Alignment and Contrastive Learning [57.43322536718131]
  医用画像セグメンテーションのための2段階のソースフリードメイン適応(SFDA)フレームワークを提案する。 プロトタイプアンコールされた特徴アライメントの段階では,まず,事前学習した画素ワイド分類器の重みを原プロトタイプとして利用する。 そこで,本研究では,目標となる特徴とクラスプロトタイプとの整合性を期待するコストを最小化し,双方向輸送を導入する。
  論文  参考訳（メタデータ） (2023-07-19T06:07:12Z)
• Semi-supervised GAN for Bladder Tissue Classification in Multi-Domain Endoscopic Images [10.48945682277992]
  本稿では,3つの主要コンポーネントからなるGANに基づく半サプライズドジェネレーティブ・アドリアル・ネットワーク(GAN)を提案する。 組織分類法で得られた平均分類精度、精度、リコールは、それぞれ0.90, 0.88, 0.89である。
  論文  参考訳（メタデータ） (2022-12-21T21:32:36Z)
• SUPRA: Superpixel Guided Loss for Improved Multi-modal Segmentation in Endoscopy [1.1470070927586016]
  ドメインシフトは医療画像コミュニティでよく知られた問題である。 本稿では,そのようなシナリオでDL手法が利用可能となるための領域一般化手法について検討する。 その結果,本手法では,ベースラインに比べて目標領域の20%近くの改善が得られた。
  論文  参考訳（メタデータ） (2022-11-09T03:13:59Z)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Toward Clinically Assisted Colorectal Polyp Recognition via Structured Cross-modal Representation Consistency [16.225144477302923]
  殆どのコンピュータ支援診断アルゴリズムは Narrow-Band Imaging (NBI) を用いて大腸ポリープを認識する NBIは通常、この特定の画像の取得には手動でライトモードを切り替える必要があるため、実際の臨床シナリオで利用できないことに悩まされる。 そこで本研究では,構造的クロスモーダル表現の整合性を実現することによって,白-光画像の正確な分類を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T16:51:28Z)
• Colorectal Polyp Classification from White-light Colonoscopy Images via Domain Alignment [57.419727894848485]
  大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。 これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。 正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-05T09:31:46Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。