面向开放世界场景的零样本结肠息肉检测的自适应探测-验证框架
计算机视觉与模式识别
2025-12-17 v2 计算与语言
摘要
在临床实践中，照明变化、运动模糊和遮挡会降低内镜图像质量，而在洁净数据集上训练的结肠息肉探测器往往表现不佳。现有方法在受控实验室条件与临床实践之间的领域差距上困难，而临床实践中常见不利的成像条件。本文提出AdaptiveDetector，一套新型的两阶段探测-验证框架，包括YOLOv11探测器和视觉语言模型（VLM）验证器。探测器在VLM指导下自适应调整逐帧置信度阈值，而验证器使用基于Group Relative Policy Optimization（GRPO）的非对称、代价敏感的奖励函数进行微调，专为鼓励减少漏检而设计——这是一种关键的临床要求。为实现在挑战性条件下的真实评估，我们构建了一个综合性的合成测试基准，通过对受临床实践中常见不利条件影响的洁净数据集进行系统性退化处理，为零样本评估提供严格的基准。对synthetically退化的CVC-ClinicDB和Kvasir-SEG图像进行大量零样本评估显示，我们的方法在YOLO单一方法上提高了14至22个百分点的召回率，而精度保持在基线水平的0.7个百分点以下或1.7个百分点以上。这种自适应阈值和代价敏感强化学习的组合实现了在开放世界中的临床对齐的结肠息肉检测，显著减少了假性漏检，从而降低了漏检早期恶性息肉的风险并改善了患者预后。
引用
@article{arxiv.2512.12492,
title = {Adaptive Detector-Verifier Framework for Zero-Shot Polyp Detection in Open-World Settings},
author = {Shengkai Xu and Hsiang Lun Kao and Tianxiang Xu and Honghui Zhang and Junqiao Wang and Runmeng Ding and Guanyu Liu and Tianyu Shi and Zhenyu Yu and Guofeng Pan and Ziqian Bi and Yuqi Ouyang},
journal= {arXiv preprint arXiv:2512.12492},
year = {2025}
}