論文の概要: Targeted False Positive Synthesis via Detector-guided Adversarial Diffusion Attacker for Robust Polyp Detection

• arxiv url: http://arxiv.org/abs/2506.18134v1
• Date: Sun, 22 Jun 2025 18:36:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.767986
• Title: Targeted False Positive Synthesis via Detector-guided Adversarial Diffusion Attacker for Robust Polyp Detection
• Title（参考訳）: ロバストポリープ検出のための検出器誘導逆拡散攻撃器による偽陽性合成
• Authors: Quan Zhou, Gan Luo, Qiang Hu, Qingyong Zhang, Jinhua Zhang, Yinjiao Tian, Qiang Li, Zhiwei Wang,
• Abstract要約: ポリープ検出は大腸癌検診において重要であるが、既存のモデルは利用可能なデータの規模と多様性によって制限されている。 本稿では,高値偽陽性を合成する逆拡散フレームワークを提案する。 本手法は, 病変検出に対向拡散を適用した最初の方法であり, 偽陽性合成のための新たなパラダイムを確立した。
• 参考スコア（独自算出の注目度）: 10.803967268728798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polyp detection is crucial for colorectal cancer screening, yet existing models are limited by the scale and diversity of available data. While generative models show promise for data augmentation, current methods mainly focus on enhancing polyp diversity, often overlooking the critical issue of false positives. In this paper, we address this gap by proposing an adversarial diffusion framework to synthesize high-value false positives. The extensive variability of negative backgrounds presents a significant challenge in false positive synthesis. To overcome this, we introduce two key innovations: First, we design a regional noise matching strategy to construct a negative synthesis space using polyp detection datasets. This strategy trains a negative-centric diffusion model by masking polyp regions, ensuring the model focuses exclusively on learning diverse background patterns. Second, we introduce the Detector-guided Adversarial Diffusion Attacker (DADA) module, which perturbs the negative synthesis process to disrupt a pre-trained detector's decision, guiding the negative-centric diffusion model to generate high-value, detector-confusing false positives instead of low-value, ordinary backgrounds. Our approach is the first to apply adversarial diffusion to lesion detection, establishing a new paradigm for targeted false positive synthesis and paving the way for more reliable clinical applications in colorectal cancer screening. Extensive results on public and in-house datasets verify the superiority of our method over the current state-of-the-arts, with our synthesized data improving the detectors by at least 2.6% and 2.7% in F1-score, respectively, over the baselines. Codes are at https://github.com/Huster-Hq/DADA.
• Abstract（参考訳）: ポリープ検出は大腸癌検診において重要であるが、既存のモデルは利用可能なデータの規模と多様性によって制限されている。 生成モデルはデータ拡張の約束を示すが、現在の手法は主にポリプの多様性の向上に焦点を当てており、しばしば偽陽性の重要な問題を見落としている。 本稿では,高値偽陽性を合成するための逆拡散フレームワークを提案することで,このギャップに対処する。 負の背景の広範な変動は、偽陽性合成において重要な課題である。 まず、ポリプ検出データセットを用いて負の合成空間を構築するために、地域雑音マッチング戦略を設計する。 この戦略はポリプ領域をマスキングすることで負中心拡散モデルを訓練し、モデルは多様な背景パターンの学習にのみ焦点をあてる。 第2に,検出器誘導逆拡散攻撃器 (DADA) モジュールを導入し, 負の合成過程を乱して事前学習した検出器の決定を乱し, 負の中心拡散モデルを誘導して, 低値の通常の背景ではなく, 高値で検出にこだわる偽陽性を生成する。 本手法は, 病変検出に逆行性拡散を応用し, 偽陽性合成を標的とした新たなパラダイムを確立し, 大腸癌検診における信頼性の高い臨床応用の道を開くものである。 その結果,F1スコアが2.6%以上,F1スコアが2.7%以上向上した。 コードはhttps://github.com/Huster-Hq/DADAにある。

関連論文リスト

• MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [15.790010627377262]
  肺結節は肺癌の早期診断における重要な指標である。 従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。 肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
  論文  参考訳（メタデータ） (2024-09-21T06:08:23Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• 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)
• Projection Regret: Reducing Background Bias for Novelty Detection via Diffusion Models [72.07462371883501]
  本研究では,非意味情報のバイアスを緩和する効率的な新規性検出手法であるemphProjection Regret(PR)を提案する。 PRは、テスト画像とその拡散ベースの投影の間の知覚距離を計算し、異常を検出する。 拡張実験により、PRは生成モデルに基づく新規性検出手法の先行技術よりも有意なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-05T09:44:47Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• EndoBoost: a plug-and-play module for false positive suppression during computer-aided polyp detection in real-world colonoscopy (with dataset) [30.825060093220806]
  我々はFPPD-13データセットを公開し、実世界の大腸内視鏡におけるコンピュータ支援ポリプ検出において、典型的な偽陽性の分類学的および実世界のケースを提供する。 本稿では,ポストホックモジュールであるEndoBoostを汎用的なポリプ検出モデルにプラグインし,偽陽性予測をフィルタリングする手法を提案する。
  論文  参考訳（メタデータ） (2022-12-23T08:34:36Z)
• A Large-scale Multiple-objective Method for Black-box Attack against Object Detection [70.00150794625053]
  我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。 我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。 最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
  論文  参考訳（メタデータ） (2022-09-16T08:36:42Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。