PolypConnect：用于生成带息肉真实胃肠道图像的图像修复方法
图像与视频处理
2022-06-01 v1 计算机视觉与模式识别
机器学习
摘要
下消化道(GI)道中息肉的早期识别可预防危及生命的结直肠癌。开发用于检测息肉的计算机辅助诊断(CAD)系统可提高检测准确性与效率，并节省称为内镜医师的领域专家的时间。标注数据缺乏是构建CAD系统时的常见挑战。生成合成医疗数据是为克服医疗领域真实阳性病例相对较少问题的活跃研究方向。为能高效训练作为CAD系统核心的机器学习(ML)模型，应使用相当数量的数据。为此，我们提出PolypConnect流水线，其可将非息肉图像转换为息肉图像以增加训练所用数据集规模。我们给出整个流水线及涉及内镜医师的定量与定性评估。使用合成数据与真实数据训练的息肉分割模型相比仅用真实数据训练的模型，平均交并比(mIOU)提升5.1%。所有实验代码已在GitHub上提供以复现结果。
引用
@article{arxiv.2205.15413,
title = {PolypConnect: Image inpainting for generating realistic gastrointestinal tract images with polyps},
author = {Jan Andre Fagereng and Vajira Thambawita and Andrea M. Storås and Sravanthi Parasa and Thomas de Lange and Pål Halvorsen and Michael A. Riegler},
journal= {arXiv preprint arXiv:2205.15413},
year = {2022}
}
备注
6 pages