通过检测器引导的对抗扩散攻击者进行目标性假阳性合成以实现鲁棒的息肉检测
计算机视觉与模式识别
2025-06-24 v1
摘要
息肉检测对于结直肠癌筛查至关重要，但现有模型受限于可用数据的规模和多样性。虽然生成模型在数据增强方面显示出前景，但当前方法主要侧重于增强息肉的多样性，往往忽视了假阳性这一关键问题。在本文中，我们通过提出一个对抗扩散框架来合成高价值的假阳性，以弥补这一空白。负背景的广泛变异性给假阳性合成带来了重大挑战。为克服这一点，我们引入了两项关键创新：首先，我们设计了一种区域噪声匹配策略，利用息肉检测数据集构建负合成空间。该策略通过掩蔽息肉区域来训练一个以负样本为中心的扩散模型，确保模型专注于学习多样化的背景模式。其次，我们引入了检测器引导的对抗扩散攻击者 (DADA) 模块，该模块扰动负合成过程以破坏预训练检测器的决策，引导以负样本为中心的扩散模型生成高价值、使检测器混淆的假阳性，而非低价值的普通背景。我们的方法是首次将对抗扩散应用于病灶检测，为有针对性的假阳性合成建立了新范式，并为结直肠癌筛查中更可靠的临床应用铺平了道路。在公开和内部数据集上的大量结果验证了我们的方法相对于当前最先进技术的优越性，我们合成的数据使检测器的 F1 分数分别比基线至少提高了 2.6% 和 2.7%。代码见 https://github.com/Huster-Hq/DADA。
引用
@article{arxiv.2506.18134,
title = {Targeted False Positive Synthesis via Detector-guided Adversarial Diffusion Attacker for Robust Polyp Detection},
author = {Quan Zhou and Gan Luo and Qiang Hu and Qingyong Zhang and Jinhua Zhang and Yinjiao Tian and Qiang Li and Zhiwei Wang},
journal= {arXiv preprint arXiv:2506.18134},
year = {2025}
}
备注
Early Accepted by MICCAI 2025