Polyp-E: 通过息肉编辑基准测试深度分割模型的鲁棒性
计算机视觉与模式识别
2024-10-23 v1
摘要
自动息肉分割有助于辅助临床诊断和治疗。在日常临床实践中，临床医生在识别位置和大小变化的息肉时表现出鲁棒性。目前尚不确定深度分割模型在自动结肠镜分析中能否达到相当的鲁棒性。为了基准测试模型的鲁棒性，我们重点评估分割模型在具有不同属性（例如位置和大小）的息肉以及健康样本上的鲁棒性。基于潜在扩散模型，我们对真实息肉进行属性编辑，并构建了一个名为Polyp-E的新数据集。我们的合成数据集具有卓越的真实感，以至于临床专家难以将其与真实数据区分开来。我们在所提出的基准上评估了几种现有的息肉分割模型。结果表明，大多数模型对属性变化高度敏感。作为一种新颖的数据增强技术，所提出的编辑流程可以提高分布内和分布外的泛化能力。代码和数据集将公开发布。
引用
@article{arxiv.2410.16732,
title = {Polyp-E: Benchmarking the Robustness of Deep Segmentation Models via Polyp Editing},
author = {Runpu Wei and Zijin Yin and Kongming Liang and Min Min and Chengwei Pan and Gang Yu and Haonan Huang and Yan Liu and Zhanyu Ma},
journal= {arXiv preprint arXiv:2410.16732},
year = {2024}
}