EndoFinder：基于隐式场景表示的可解释结肠息肉诊断在线肿瘤检索
信息检索
2025-07-24 v1
摘要
结肠癌（CRC）仍是癌症死亡的主要原因，凸显了及时息肉检测和诊断的重要性。虽然深度学习模型已提高了光学辅助诊断，但它们往往需要大量标记数据集，并产生具有有限可解释性的“黑盒”输出。在本文中，我们提出 EndoFinder，一个利用多视图场景表示进行可解释且可扩展的 CRC 诊断的在线息肉检索框架。首先，我们开发了以对比学习和重建任务为导引的 Polyp-aware 图像编码器，由 polyp 分割掩码指示，这种自监督方法无需依赖大规模标注数据即可捕获稳健特征。随后，我们将每个息肉视为一个三维“场景”，并引入场景表示转换器（Scene Representation Transformer），将多个视角的息肉融合为单个隐式表示。通过通过哈希层离散化此表示，EndoFinder 启用了从编译的历史息肉案例库中进行实时检索，其中诊断信息作为可解释的参考对象用于新查询。我们在公共数据集和新收集的息肉数据集上评估了 EndoFinder，用于重新识别和病理分类。结果表明，EndoFinder 在准确率上优于现有方法，同时为临床决策提供透明、基于检索的见解。通过贡献一个新型数据集和一个可扩展、可解释的框架，我们的工作解决了息肉诊断中的关键挑战，为更高效的 AI 驱动结肠镜工作流程提供了有前景的方向。源代码可在 https://github.com/ku262/EndoFinder-Scene 上获取。
引用
@article{arxiv.2507.17323,
title = {EndoFinder: Online Lesion Retrieval for Explainable Colorectal Polyp Diagnosis Leveraging Latent Scene Representations},
author = {Ruijie Yang and Yan Zhu and Peiyao Fu and Yizhe Zhang and Zhihua Wang and Quanlin Li and Pinghong Zhou and Xian Yang and Shuo Wang},
journal= {arXiv preprint arXiv:2507.17323},
year = {2025}
}