CPKD：面向内镜黏膜切除的临床先验知识约束扩散模型
计算机视觉与模式识别
2025-08-12 v2
摘要
肠胃恶性肿瘤是全球癌症死亡原因的主要原因之一，尤其是晚期预后仍然极为不乐观。内镜黏膜切除（ESD）起源于一种治疗早期胃癌的突破性技术，已演变为治疗多样化消化道病变的通用技术。尽管计算机辅助系统显著提高了ESD程序的精度和安全性，但其临床应用面临一个关键瓶颈：在复杂内镜工作流程中实现可靠的手术阶段识别。当前的最先进方法主要依赖于多阶段细化架构，不断迭代优化时间预测。本文提出了临床先验知识约束扩散（CPKD），一种新型生成框架，重新构想通过去噪扩散原理实现阶段识别，同时保留核心迭代细化哲学。该架构从随机噪声开始，受视觉-时间特征条件制约，逐步重构阶段序列。为更好地捕捉包括位置先验、边界模糊和关系依赖在内的三个领域特定特征，我们设计了条件遮蔽策略。此外，我们将临床先验知识纳入模型训练，以提高其纠正阶段逻辑错误的能力。全面评估ESD820、Cholec80和外部多中心数据表明，我们提出的CPKD在与最先进方法的表现上实现了优异或相当的性能，验证了扩散生成范式在手术阶段识别中的有效性。
引用
@article{arxiv.2507.03295,
title = {CPKD: Clinical Prior Knowledge-Constrained Diffusion Models for Surgical Phase Recognition in Endoscopic Submucosal Dissection},
author = {Xiangning Zhang and Jinnan Chen and Qingwei Zhang and Yaqi Wang and Chengfeng Zhou and Xiaobo Li and Dahong Qian},
journal= {arXiv preprint arXiv:2507.03295},
year = {2025}
}