Polyp-Gen: Realistic and Diverse Polyp Image Generation for Endoscopic Dataset Expansion

要約

自動診断システム（ADS）は、内視鏡検査中のポリープの早期発見において重大な可能性を示しており、それによって結腸直腸癌の発生率を減らしています。
ただし、注釈コストが高く、プライバシーの厳格な懸念に​​より、高品質の内視鏡画像を取得することは、広告の開発においてかなりの課題をもたらします。
データセット拡張のために合成画像を生成する最近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、ポリープ境界領域の詳細を正確に生成することができず、一般的に医療用プライアーは、生成された画像のリアリズムと多様性を制限しているポリプラの形状と形状を指定する必要がありました。
。
これらの制限に対処するために、最初の完全自動拡散ベースの内視鏡画像生成フレームワークであるポリープ遺伝子を提示します。
具体的には、ポリープ境界領域の構造的コンテキストを強化するために、病変誘導損失を伴う空間認識拡散トレーニングスキームを考案します。
さらに、潜在的なポリープ領域のローカリゼーションのための医療用品をキャプチャするために、同様のきめ細かい空間機能を一致させるために、階層的検索ベースのサンプリング戦略を導入します。
このようにして、ポリープの世代は、信頼できる広告を構築するための現実的で多様な内視鏡画像を生成できます。
広範な実験は、最先端の世代の品質を示しており、合成画像は下流のポリープ検出タスクを改善することができます。
さらに、ポリープの世代は、他のデータセットで顕著なゼロショットの一般化可能性を示しています。
ソースコードは、https：//github.com/cuhk-aim-group/polyp-genで入手できます。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google