Polyp-Gen: 用于内窥镜数据集扩展的真实多样息肉图像生成
计算机视觉与模式识别
2025-10-09 v3
摘要
自动化诊断系统(ADS)在内窥镜检查中早期检测息肉方面显示出巨大潜力，从而降低结直肠癌发病率。然而，由于高标注成本和严格的隐私问题，获取高质量内窥镜图像对ADS的开发构成了相当大的挑战。尽管近期在生成合成图像以扩展数据集方面取得了进展，但现有的内窥镜图像生成算法未能准确生成息肉边界区域的细节，并且通常需要医学先验来指定息肉的合理位置和形状，这限制了生成图像的真实性和多样性。为解决这些限制，我们提出了Polyp-Gen，这是首个全自动基于扩散的内窥镜图像生成框架。具体来说，我们设计了一种空间感知扩散训练方案，并带有病灶引导损失，以增强息肉边界区域的结构上下文。此外，为了捕获潜在息肉区域定位的医学先验，我们引入了一种分层检索式采样策略，以匹配相似的细粒度空间特征。通过这种方式，我们的Polyp-Gen可以生成真实多样的内窥镜图像，用于构建可靠的ADS。大量实验证明了最先进的生成质量，并且合成图像可以改进下游息肉检测任务。此外，我们的Polyp-Gen在其他数据集上表现出显著的零样本泛化能力。源代码可在https://github.com/CUHK-AIM-Group/Polyp-Gen获取。
引用
@article{arxiv.2501.16679,
title = {Polyp-Gen: Realistic and Diverse Polyp Image Generation for Endoscopic Dataset Expansion},
author = {Shengyuan Liu and Zhen Chen and Qiushi Yang and Weihao Yu and Di Dong and Jiancong Hu and Yixuan Yuan},
journal= {arXiv preprint arXiv:2501.16679},
year = {2025}
}
备注
Accepted by ICRA 2025