EndoBoost: a plug-and-play module for false positive suppression during computer-aided polyp detection in real-world colonoscopy (with dataset)

要約

深層学習を使用したコンピューター支援検出システムの進歩は、内視鏡画像解析の新しい範囲を開きました。
ただし、閉じたデータセットで開発された学習ベースのモデルは、複雑な臨床環境で未知の異常の影響を受けやすくなっています。
特に、ポリープ検出の高い偽陽性率は、臨床診療における大きな課題のままです。
この作業では、FPPD-13 データセットをリリースします。これは、分類法と、実際の結腸内視鏡検査におけるコンピューター支援ポリープ検出中の典型的な誤検知の実際のケースを提供します。
さらに、ポストホック モジュール EndoBoost を提案します。これは、一般的なポリープ検出モデルにプラグインして、偽陽性の予測を除外することができます。
これは、フローを正規化し、密度推定によって偽陽性を排除するポリープ多様体の生成学習によって実現されます。
教師付き分類と比較して、この異常検出パラダイムは、オープンワールド設定でより優れたデータ効率と堅牢性を実現します。
広範な実験により、遡及的検証と前向き検証の両方で有望な偽陽性抑制が実証されています。
さらに、リリースされたデータセットは、確立された検出システムで「ストレス」テストを実行するために使用でき、堅牢で信頼性の高いコンピューター支援内視鏡画像分析に向けたさらなる研究を促進します。
データセットとコードは、http://endoboost.miccai.cloud で公開されます。

要約(オリジナル)

The advance of computer-aided detection systems using deep learning opened a new scope in endoscopic image analysis. However, the learning-based models developed on closed datasets are susceptible to unknown anomalies in complex clinical environments. In particular, the high false positive rate of polyp detection remains a major challenge in clinical practice. In this work, we release the FPPD-13 dataset, which provides a taxonomy and real-world cases of typical false positives during computer-aided polyp detection in real-world colonoscopy. We further propose a post-hoc module EndoBoost, which can be plugged into generic polyp detection models to filter out false positive predictions. This is realized by generative learning of the polyp manifold with normalizing flows and rejecting false positives through density estimation. Compared to supervised classification, this anomaly detection paradigm achieves better data efficiency and robustness in open-world settings. Extensive experiments demonstrate a promising false positive suppression in both retrospective and prospective validation. In addition, the released dataset can be used to perform ‘stress’ tests on established detection systems and encourages further research toward robust and reliable computer-aided endoscopic image analysis. The dataset and code will be publicly available at http://endoboost.miccai.cloud.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google