論文の概要: Diagnosing Colorectal Polyps in the Wild with Capsule Networks
- arxiv url: http://arxiv.org/abs/2001.03305v1
- Date: Fri, 10 Jan 2020 04:55:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 22:37:30.704522
- Title: Diagnosing Colorectal Polyps in the Wild with Capsule Networks
- Title(参考訳): カプセルネットワークを用いた野生大腸ポリープの診断
- Authors: Rodney LaLonde, Pujan Kandel, Concetto Spampinato, Michael B. Wallace,
Ulas Bagci
- Abstract要約: 大腸がんはポリープ(polyps)と呼ばれる前駆的な病変から発生するものが多く、世界中でがん関連死亡の原因の1つとなっている。
我々は,大腸ポリープの光学的生検の可能性を改善するために,新しいカプセルネットワークアーキテクチャ(D-Caps)を設計した。
従来の最先端畳み込みニューラルネットワーク(CNN)アプローチよりも最大43%改善した結果を実証した。
- 参考スコア(独自算出の注目度): 7.276044182592987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Colorectal cancer, largely arising from precursor lesions called polyps,
remains one of the leading causes of cancer-related death worldwide. Current
clinical standards require the resection and histopathological analysis of
polyps due to test accuracy and sensitivity of optical biopsy methods falling
substantially below recommended levels. In this study, we design a novel
capsule network architecture (D-Caps) to improve the viability of optical
biopsy of colorectal polyps. Our proposed method introduces several technical
novelties including a novel capsule architecture with a capsule-average pooling
(CAP) method to improve efficiency in large-scale image classification. We
demonstrate improved results over the previous state-of-the-art convolutional
neural network (CNN) approach by as much as 43%. This work provides an
important benchmark on the new Mayo Polyp dataset, a significantly more
challenging and larger dataset than previous polyp studies, with results
stratified across all available categories, imaging devices and modalities, and
focus modes to promote future direction into AI-driven colorectal cancer
screening systems. Code is publicly available at
https://github.com/lalonderodney/D-Caps .
- Abstract(参考訳): 大腸がんは、主にポリープと呼ばれる前駆的病変から発生し、がん関連死の主要な原因の1つである。
現在の臨床基準では、光学生検法の検査精度と感度が推奨レベルを下回るため、ポリープの切除および病理組織学的解析が必要である。
本研究では,大腸ポリープの光学的生検の可能性を改善するために,新しいカプセルネットワークアーキテクチャ(D-Caps)を設計する。
提案手法では,カプセル平均プーリング(cap)方式によるカプセル構造を改良し,大規模画像分類の効率化を図る。
従来の最先端畳み込みニューラルネットワーク(CNN)アプローチよりも最大43%改善した結果を実証した。
この研究は、新しいmayo polypデータセットに関する重要なベンチマークを提供しており、これまでのpolyp研究よりもかなり困難で大きなデータセットであり、利用可能なすべてのカテゴリ、イメージングデバイスとモダリティ、ai駆動の大腸癌スクリーニングシステムへの今後の方向性を促進するためのフォーカスモードを階層化している。
コードはhttps://github.com/lalonderodney/D-Capsで公開されている。
関連論文リスト
- Efficient Self-Supervised Barlow Twins from Limited Tissue Slide Cohorts for Colonic Pathology Diagnostics [14.177695952155213]
大腸癌 (CRC) は、スクリーニングの恩恵を受ける、確立されたdysplasia-carcinoma sequenceを有する数少ないがんの1つである。
DLモデルは、全スライディング画像のギガピクセル画像サイズと詳細な注釈付きデータセットの不足により、計算病理学(CPath)において重大な課題に直面している。
本稿では,大腸ポリープスクリーニングのためのBarlow Twinsフレームワークを提案する。
論文 参考訳(メタデータ) (2024-11-08T20:43:53Z) - Deep Bayesian segmentation for colon polyps: Well-calibrated predictions in medical imaging [0.0]
我々は,さまざまなベイズニューラルネットワークを用いて,大腸ポリプ画像のセマンティックセグメンテーションを開発する。
その結果、これらのモデルが、この医療データセットのセグメンテーションにおける最先端のパフォーマンスを提供するだけでなく、正確な不確実性の推定値が得られることがわかった。
論文 参考訳(メタデータ) (2024-07-23T16:13:27Z) - Consisaug: A Consistency-based Augmentation for Polyp Detection in Endoscopy Image Analysis [3.716941460306804]
ディープラーニングを活用したデータ強化のための,革新的で効果的な手法であるConsisaugを紹介した。
5つのパブリックなポリプデータセットと3つのバックボーンにConsisaugを実装し,本手法の有効性を示した。
論文 参考訳(メタデータ) (2024-04-17T13:09:44Z) - ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic
Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。
本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。
Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。
微調整段階におけるIoU誘導サンプル再重み付けの導入
論文 参考訳(メタデータ) (2024-01-10T07:03:41Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。
Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳(メタデータ) (2023-11-20T10:28:52Z) - COVID-Net US-X: Enhanced Deep Neural Network for Detection of COVID-19
Patient Cases from Convex Ultrasound Imaging Through Extended Linear-Convex
Ultrasound Augmentation Learning [75.74756992992147]
世界人口は新型コロナウイルス(COVID-19)のパンデミックの影響で大きな影響を受け続けている。
医療用ポイント・オブ・ケア・超音波(POCUS)画像は、低コストで有効な画像モダリティとして利用されてきている。
POCUSを使用した新型コロナウイルススクリーニングのためのディープニューラルネットワークを構築する上での大きな課題は、使用するプローブの種類だ。
論文 参考訳(メタデータ) (2022-04-29T02:13:39Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳(メタデータ) (2021-10-17T09:31:20Z) - AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。
提案手法は既存手法と比較して最先端の精度を実現する。
論文 参考訳(メタデータ) (2021-05-02T06:36:36Z) - A Systematic Approach to Featurization for Cancer Drug Sensitivity
Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。
RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文 参考訳(メタデータ) (2020-04-30T20:42:17Z) - Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。
現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。
大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2019-12-26T23:27:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。