基于综合检测与掩码生成的合成数据驱动多架构框架用于自动多余肠球化
计算机视觉与模式识别
2025-08-11 v1 人工智能
摘要
结肠镜是早期诊断结直肠癌的关键工具，而结直肠癌是全球癌症死亡原因的主要原因之一；因此被视为预防和早期检测结直肠癌的essential 技术。该研究引入一种独特的多向架构框架，用于自动化结肠镜图像中的多余肠球化检测，同时帮助解决有限的医疗数据集规模和注释复杂性问题。该研究实施了一个综合系统，通过 Stable Diffusion 增强实现合成数据生成，同时包含检测和分割算法。该检测方法将 Faster R-CNN 用于初始对象 localisation，Segment Anything Model (SAM) 用于细化分割掩码。Faster R-CNN 检测算法实现了召回率为 93.08%，精确率为 88.97%，F1 分数为 90.98%。随后使用 SAM 生成图像掩码。该研究使用 ResNet34 作为基础模型，对五种最先进的分割模型进行评估，包括 U-Net、PSPNet、FPN、LinkNet 和 MANet。结果显示 FPN 在最高分数上表现突出，PSNR (7.205893) 和 SSIM (0.492381) 分别取得最高分，而 UNet 在召回率 (84.85%) 上卓越，LinkNet 在 IoU (64.20%) 和 Dice 评分 (77.53%) 上表现均衡。
引用
@article{arxiv.2508.06170,
title = {Synthetic Data-Driven Multi-Architecture Framework for Automated Polyp Segmentation Through Integrated Detection and Mask Generation},
author = {Ojonugwa Oluwafemi Ejiga Peter and Akingbola Oluwapemiisin and Amalahu Chetachi and Adeniran Opeyemi and Fahmi Khalifa and Md Mahmudur Rahman},
journal= {arXiv preprint arXiv:2508.06170},
year = {2025}
}