EndoBoost：用于真实结肠镜计算机辅助息肉检测中假阳性抑制的即插即用模块（含数据集）
计算机视觉与模式识别
2022-12-26 v1 人工智能
摘要
基于深度学习的计算机辅助检测系统的进展为内镜图像分析开辟了新视野。然而，在封闭数据集上开发的基于学习的模型易受复杂临床环境中未知异常的影响。特别地，息肉检测的高假阳性率在临床实践中仍是一大挑战。本工作中，我们发布 FPPD-13 数据集，其提供了真实结肠镜计算机辅助息肉检测中典型假阳性的分类体系与真实案例。我们进一步提出一种后处理模块 EndoBoost，可插入通用息肉检测模型以过滤假阳性预测。这通过归一化流对息肉流形进行生成式学习，并借助密度估计剔除假阳性来实现。与有监督分类相比，该异常检测范式在开放世界设定中实现了更好的数据效率与鲁棒性。大量实验表明其在回顾性与前瞻性验证中均具有可观的假阳性抑制效果。此外，所发布的数据集可用于对已有检测系统施加“压力”测试，并鼓励面向鲁棒可靠计算机辅助内镜图像分析的进一步研究。数据集与代码将公开于 http://endoboost.miccai.cloud。
引用
@article{arxiv.2212.12204,
title = {EndoBoost: a plug-and-play module for false positive suppression during computer-aided polyp detection in real-world colonoscopy (with dataset)},
author = {Haoran Wang and Yan Zhu and Wenzheng Qin and Yizhe Zhang and Pinghong Zhou and Quanlin Li and Shuo Wang and Zhijian Song},
journal= {arXiv preprint arXiv:2212.12204},
year = {2022}
}