論文の概要: EndoFinder: Online Lesion Retrieval for Explainable Colorectal Polyp Diagnosis Leveraging Latent Scene Representations
- arxiv url: http://arxiv.org/abs/2507.17323v1
- Date: Wed, 23 Jul 2025 08:45:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.921847
- Title: EndoFinder: Online Lesion Retrieval for Explainable Colorectal Polyp Diagnosis Leveraging Latent Scene Representations
- Title（参考訳）: EndoFinder: 遅延シーン表現を利用した説明可能な大腸ポリープ診断のためのオンライン病変検索
- Authors: Ruijie Yang, Yan Zhu, Peiyao Fu, Yizhe Zhang, Zhihua Wang, Quanlin Li, Pinghong Zhou, Xian Yang, Shuo Wang,
- Abstract要約: 大腸癌 (CRC) はがん関連死亡の原因であり, タイムリーなポリープ検出と診断の重要性を浮き彫りにしている。
本研究では,多視点シーン表現を利用したオンラインポリプ検索フレームワークであるEndoFinderを提案する。
- 参考スコア（独自算出の注目度）: 10.83700068295662
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colorectal cancer (CRC) remains a leading cause of cancer-related mortality, underscoring the importance of timely polyp detection and diagnosis. While deep learning models have improved optical-assisted diagnostics, they often demand extensive labeled datasets and yield "black-box" outputs with limited interpretability. In this paper, we propose EndoFinder, an online polyp retrieval framework that leverages multi-view scene representations for explainable and scalable CRC diagnosis. First, we develop a Polyp-aware Image Encoder by combining contrastive learning and a reconstruction task, guided by polyp segmentation masks. This self-supervised approach captures robust features without relying on large-scale annotated data. Next, we treat each polyp as a three-dimensional "scene" and introduce a Scene Representation Transformer, which fuses multiple views of the polyp into a single latent representation. By discretizing this representation through a hashing layer, EndoFinder enables real-time retrieval from a compiled database of historical polyp cases, where diagnostic information serves as interpretable references for new queries. We evaluate EndoFinder on both public and newly collected polyp datasets for re-identification and pathology classification. Results show that EndoFinder outperforms existing methods in accuracy while providing transparent, retrieval-based insights for clinical decision-making. By contributing a novel dataset and a scalable, explainable framework, our work addresses key challenges in polyp diagnosis and offers a promising direction for more efficient AI-driven colonoscopy workflows. The source code is available at https://github.com/ku262/EndoFinder-Scene.
- Abstract（参考訳）: 大腸癌 (CRC) はがん関連死亡の原因であり, タイムリーなポリープ検出と診断の重要性を浮き彫りにしている。
深層学習モデルは光学補助診断を改善しているが、広範囲のラベル付きデータセットを必要とし、解釈可能性に制限のある「ブラックボックス」出力を出力することが多い。
本論文では,多視点シーン表現を利用したオンラインポリプ検索フレームワークであるEndoFinderを提案する。
まず、コントラスト学習とポリプセグメンテーションマスクによる再構成タスクを組み合わせることで、ポリプ対応画像エンコーダを開発する。
この自己教師型アプローチは、大規模なアノテートデータに頼ることなく、ロバストな特徴をキャプチャする。
次に、各ポリプを3次元の「シーン」として扱い、ポリプの複数のビューを1つの潜在表現に融合させるシーン表現変換器を導入する。
ハッシュレイヤを通じてこの表現を識別することにより、EndoFinderは、診断情報が新しいクエリの解釈可能な参照として機能する、歴史的なポリプケースのコンパイルされたデータベースからのリアルタイム検索を可能にする。
本研究では, 公的および新たに収集したポリプデータセット上でのEndoFinderの評価を行い, 再同定と病理組織分類を行った。
以上の結果から,EndoFinderの精度は既存の方法よりも優れており,臨床的意思決定のための透明で検索に基づく洞察が得られている。
新たなデータセットとスケーラブルで説明可能なフレームワークを提供することで、ポリープ診断における重要な課題に対処し、より効率的なAI駆動型大腸内視鏡ワークフローのための有望な方向性を提供します。
ソースコードはhttps://github.com/ku262/EndoFinder-Scene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) - A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges and Future Trends [39.29697088643365]
大腸癌予防・治療におけるポリープの早期検出と評価
昔は、色、テクスチャ、形などの手作業で抽出した下品な特徴に頼っていた。
ディープラーニングの出現に伴い、より優れた医療画像分割アルゴリズムが出現している。
論文 参考訳（メタデータ） (2023-11-30T09:14:37Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - 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) - 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) - 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) - 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) - 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) - 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。