White Light Specular Reflection Data Augmentation for Deep Learning Polyp Detection

要約

結腸直腸癌は今日の最も致命的な癌の1つですが、主に大腸内視鏡検査を介して、結腸内の悪性ポリープの早期発見を通じて予防できます。
この方法は多くの命を救いましたが、ポリープを欠くことは患者に致命的な結果をもたらす可能性があるため、ヒューマンエラーは依然として重要な課題です。
ディープラーニング（DL）ポリープ検出器は、有望なソリューションを提供します。
しかし、既存のDLポリープ検出器は、多くの場合、ポリープの内視鏡からの白い光の反射を誤解します。これは誤検知につながる可能性があります。この課題に対処するために、この論文では、より多くの白い光の反射を追加してより難しいトレーニングシナリオを作成する新しいデータ増強アプローチを提案します。
具体的には、最初にトレーニングデータセットを使用して人工照明のバンクを生成します。
次に、これらの人工照明を追加すべきではないトレーニング画像の領域を見つけます。
最後に、トレーニング画像に適合する領域に人工光を追加するためのスライドウィンドウメソッドを提案し、画像が増強されます。
モデルに間違いを犯す機会を増やすことで、これらの間違いから学ぶ機会が増え、最終的にPolyp検出のパフォーマンスが向上する可能性があると仮定します。
実験結果は、新しいデータ増強法の有効性を示しています。

要約(オリジナル)

Colorectal cancer is one of the deadliest cancers today, but it can be prevented through early detection of malignant polyps in the colon, primarily via colonoscopies. While this method has saved many lives, human error remains a significant challenge, as missing a polyp could have fatal consequences for the patient. Deep learning (DL) polyp detectors offer a promising solution. However, existing DL polyp detectors often mistake white light reflections from the endoscope for polyps, which can lead to false positives.To address this challenge, in this paper, we propose a novel data augmentation approach that artificially adds more white light reflections to create harder training scenarios. Specifically, we first generate a bank of artificial lights using the training dataset. Then we find the regions of the training images that we should not add these artificial lights on. Finally, we propose a sliding window method to add the artificial light to the areas that fit of the training images, resulting in augmented images. By providing the model with more opportunities to make mistakes, we hypothesize that it will also have more chances to learn from those mistakes, ultimately improving its performance in polyp detection. Experimental results demonstrate the effectiveness of our new data augmentation method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google