論文の概要: Detecting Deficient Coverage in Colonoscopies
- arxiv url: http://arxiv.org/abs/2001.08589v3
- Date: Sun, 29 Mar 2020 09:42:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 13:04:08.635066
- Title: Detecting Deficient Coverage in Colonoscopies
- Title（参考訳）: 大腸内視鏡検査
- Authors: Daniel Freedman, Yochai Blau, Liran Katzir, Amit Aides, Ilan
Shimshoni, Danny Veikherman, Tomer Golany, Ariel Gordon, Greg Corrado, Yossi
Matias, and Ehud Rivlin
- Abstract要約: 大腸内視鏡は大腸癌を予防するためのツールである。
しかし内視鏡検査は、内科医が通常22-28%のポリープを欠いているという事実によって妨げられている。
本稿では,C2D2 (Colonoscopy Coverage Deficiency via Depth)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 24.21649198309876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Colonoscopy is the tool of choice for preventing Colorectal Cancer, by
detecting and removing polyps before they become cancerous. However,
colonoscopy is hampered by the fact that endoscopists routinely miss 22-28% of
polyps. While some of these missed polyps appear in the endoscopist's field of
view, others are missed simply because of substandard coverage of the
procedure, i.e. not all of the colon is seen. This paper attempts to rectify
the problem of substandard coverage in colonoscopy through the introduction of
the C2D2 (Colonoscopy Coverage Deficiency via Depth) algorithm which detects
deficient coverage, and can thereby alert the endoscopist to revisit a given
area. More specifically, C2D2 consists of two separate algorithms: the first
performs depth estimation of the colon given an ordinary RGB video stream;
while the second computes coverage given these depth estimates. Rather than
compute coverage for the entire colon, our algorithm computes coverage locally,
on a segment-by-segment basis; C2D2 can then indicate in real-time whether a
particular area of the colon has suffered from deficient coverage, and if so
the endoscopist can return to that area. Our coverage algorithm is the first
such algorithm to be evaluated in a large-scale way; while our depth estimation
technique is the first calibration-free unsupervised method applied to
colonoscopies. The C2D2 algorithm achieves state of the art results in the
detection of deficient coverage. On synthetic sequences with ground truth, it
is 2.4 times more accurate than human experts; while on real sequences, C2D2
achieves a 93.0% agreement with experts.
- Abstract（参考訳）: 大腸内視鏡は大腸癌を予防するためのツールであり、がんになる前にポリープを検出して除去する。
しかし内視鏡検査は、内科医が通常22-28%のポリープを欠いているという事実によって妨げられている。
これらの欠落したポリープのいくつかは内科医の視界に現れるが、他のポリープは単に手順の標準以下のカバレッジのために欠落している。
本稿では,c2d2 (colonoscopy coverage missing via depth) アルゴリズムを導入することで,大腸内視鏡におけるサブスタンダードカバレッジの問題を解消し,内視鏡内科医に再訪を警告する。
より具体的には、C2D2は2つの異なるアルゴリズムで構成されている: 1つは通常のRGBビデオストリームが与えられた結腸の深さ推定を行う。
c2d2は、結腸の特定の領域がカバー範囲の不足に苦しんでいるかどうかをリアルタイムで示すことができ、もしその場合、内スコピストがその領域に戻ることができる。
深さ推定手法は大腸に適応した最初のキャリブレーションフリー非教師なし法であるのに対し,このアルゴリズムは大規模に評価される最初の手法である。
C2D2アルゴリズムは、欠陥カバレッジの検出において、技術結果の状態を達成する。
地上の真理を持つ合成配列では、人間の専門家の2.4倍の精度で、実際の配列では、C2D2は専門家との93.0%の合意に達する。
関連論文リスト
- Frontiers in Intelligent Colonoscopy [96.57251132744446]
本研究は, インテリジェント大腸内視鏡技術のフロンティアと, マルチモーダル医療への応用の可能性について検討する。
大腸内視鏡的シーン知覚のための4つのタスクを通して,現在のデータ中心およびモデル中心のランドスケープを評価した。
今後のマルチモーダル時代を受け入れるために,大規模マルチモーダル・インストラクション・チューニング・データセットColoninST,大腸内視鏡で設計されたマルチモーダル言語モデルColonGPT,マルチモーダル・ベンチマークの3つの基本イニシアティブを構築した。
論文 参考訳（メタデータ） (2024-10-22T17:57:12Z) - Transformer-Enhanced Iterative Feedback Mechanism for Polyp Segmentation [3.017482151674131]
大腸内視鏡画像からポリープを正確に分割する先進的なエンコーダデコーダネットワークであるtextittextbfacFANet2 を導入する。
FANetv2は、新たなフィードバックアテンション機構を通じて、バイナリセグメンテーションマスクを反復的に洗練する。
ポリプの個数(1個または複数)とサイズ(小、中、大)に関する必須情報を統合し、その特徴表現能力をさらに強化する。
論文 参考訳（メタデータ） (2024-08-25T02:39:45Z) - ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。
以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文 参考訳（メタデータ） (2024-07-23T14:24:26Z) - Multi-task learning with cross-task consistency for improved depth
estimation in colonoscopy [0.2995885872626565]
我々は、共有エンコーダと2つのデコーダ、すなわち表面正規デコーダと深度推定器を備えた新しいマルチタスク学習(MTL)アプローチを開発する。
比較誤差は14.17%、$delta_1$精度は10.4%改善した。
論文 参考訳（メタデータ） (2023-11-30T16:13:17Z) - Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time [0.0]
大腸内視鏡は大腸がんを予防するために最も広く用いられる医療技術であり、悪性になる前にポリープを検出して除去する。
最近の研究では、既存のポリープの約4分の1が日常的に欠落していることが示されている。
そのうちのいくつかは内科医の視界に現れるが、結腸の部分的な被覆のために欠落するものもある。
論文 参考訳（メタデータ） (2023-05-17T08:12:56Z) - DilatedSegNet: A Deep Dilated Segmentation Network for Polyp
Segmentation [2.6179759969345002]
大腸癌は世界で2番目に多い死因である。
ディープラーニングを利用したコンピュータ支援診断システム(CAD)は、大腸内視鏡検査中に医師が見落としている大腸の領域を検出することができる。
高い精度とリアルタイム速度の欠如は、そのようなシステムの臨床的統合を成功させるために克服すべき重要な障害である。
論文 参考訳（メタデータ） (2022-10-24T20:36:30Z) - Estimating the coverage in 3d reconstructions of the colon from
colonoscopy videos [0.0]
手術中の大腸の視覚的被覆が不十分な場合、しばしばポリープが欠落する。
この問題を軽減するため, 欠損領域を可視化するために, 大腸の3次元面を再構築する手法が提案されている。
再建された大腸点雲からカバー範囲を推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2022-10-19T10:53:34Z) - Normalized/Clipped SGD with Perturbation for Differentially Private
Non-Convex Optimization [94.06564567766475]
DP-SGDとDP-NSGDは、センシティブなトレーニングデータを記憶する大規模モデルのリスクを軽減する。
DP-NSGD は DP-SGD よりも比較的チューニングが比較的容易であるのに対して,これらの2つのアルゴリズムは同様の精度を実現する。
論文 参考訳（メタデータ） (2022-06-27T03:45:02Z) - 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) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳（メタデータ） (2021-08-11T07:54:07Z) - PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文 参考訳（メタデータ） (2020-06-13T08:13:43Z)
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。