评估合成图像在改进内窥结石识别中的可行性
计算机视觉与模式识别
2024-09-23 v1
摘要
目前，形态-构成分析（MCA）是肾结石形成原因诊断的事实方法，是建立个性化治疗以避免复发的重要步骤。最近的研究聚焦于实现此任务的内操作方式，即内窥结石识别（ESR）。这两种方法都依赖于观察肾结石表面和截面的特征，将样本分为多个子组。然而，鉴于ESR中观察者间变异性大以及复杂的作业环境，利用AI进行计算机辅助诊断备受关注。然而，当前AI模型需要大量数据才能实现良好性能并泛化到未见的分布。由于获取大型标记数据集困难且某些肾结石类别稀有，这是一个主要问题。因此，本文提出了一种基于扩散模型的数据增强方法，用于扩充现有的体外肾结石数据集。我们的目标是创建可用于基于体外数据进行预训练的合理且多样化的肾结石图像。我们展示，通过混合自然图像和合成图像的CCD图像，可以训练出在未见的内操作数据上表现良好的模型。我们的结果表明，仅在ImageNet上预训练的模型，相比之下，准确率提高了10%。此外，我们的结果显示，相对于仅使用CCD图像训练的模型，表面图像提高了6%，截面图像提高了10%，这表明使用合成图像的有效性。
引用
@article{arxiv.2409.13409,
title = {Evaluating the plausibility of synthetic images for improving automated endoscopic stone recognition},
author = {Ruben Gonzalez-Perez and Francisco Lopez-Tiro and Ivan Reyes-Amezcua and Eduardo Falcon-Morales and Rosa-Maria Rodriguez-Gueant and Jacques Hubert and Michel Daudon and Gilberto Ochoa-Ruiz and Christian Daul},
journal= {arXiv preprint arXiv:2409.13409},
year = {2024}
}
备注
8 pages, 6 figures, 1 table, conference paper