論文の概要: Understanding the effects of artifacts on automated polyp detection and
incorporating that knowledge via learning without forgetting
- arxiv url: http://arxiv.org/abs/2002.02883v3
- Date: Sat, 22 Aug 2020 09:57:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 04:26:03.614888
- Title: Understanding the effects of artifacts on automated polyp detection and
incorporating that knowledge via learning without forgetting
- Title（参考訳）: 自動ポリープ検出におけるアーティファクトの効果の理解と学習による知識の統合
- Authors: Maxime Kayser, Roger D. Soberanis-Mukul, Anna-Maria Zvereva (M.D.),
Peter Klare (M.D.), Nassir Navab, Shadi Albarqouni
- Abstract要約: 早期にポリープが検出された場合,大腸癌生存率が高くなる。
現在の取り組みは、トレーニングデータセットのサイズと品質に大きく依存しています。
- 参考スコア（独自算出の注目度）: 42.36312625253819
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Survival rates for colorectal cancer are higher when polyps are detected at
an early stage and can be removed before they develop into malignant tumors.
Automated polyp detection, which is dominated by deep learning based methods,
seeks to improve early detection of polyps. However, current efforts rely
heavily on the size and quality of the training datasets. The quality of these
datasets often suffers from various image artifacts that affect the visibility
and hence, the detection rate. In this work, we conducted a systematic analysis
to gain a better understanding of how artifacts affect automated polyp
detection. We look at how six different artifact classes, and their location in
an image, affect the performance of a RetinaNet based polyp detection model. We
found that, depending on the artifact class, they can either benefit or harm
the polyp detector. For instance, bubbles are often misclassified as polyps,
while specular reflections inside of a polyp region can improve detection
capabilities. We then investigated different strategies, such as a learning
without forgetting framework, to leverage artifact knowledge to improve
automated polyp detection. Our results show that such models can mitigate some
of the harmful effects of artifacts, but require more work to significantly
improve polyp detection capabilities.
- Abstract（参考訳）: 早期にポリープが検出された場合、大腸癌の生存率は高く、悪性腫瘍に進展する前に除去することができる。
ディープラーニングに基づく手法が支配するポリプの自動検出は、ポリプの早期検出を改善することを目指している。
しかしながら、現在の取り組みはトレーニングデータセットのサイズと品質に大きく依存しています。
これらのデータセットの品質は、しばしば可視性に影響する様々な画像アーティファクトと、それゆえ検出率に苦しむ。
本研究では,アーティファクトが自動ポリープ検出に与える影響をよりよく理解するために,系統解析を行った。
6つの異なるアーティファクトクラスとそのイメージ内の位置が、RetinaNetベースのポリプ検出モデルの性能にどのように影響するかを検討する。
アーティファクトクラスによっては、ポリプ検出器に利益をもたらすか、害を与える可能性があることが分かりました。
例えば、泡はしばしばポリープとして誤分類されるが、ポリープ領域内の鏡面反射は検出能力を向上させることができる。
次に,フレームワークを忘れることなく学習するといった異なる戦略を検討し,人工的知識を活用し,ポリプの自動検出を改善する。
以上の結果から, ポリプ検出能力を著しく向上させるためには, これらのモデルが有害なアーティファクトの影響を軽減できることが示唆された。
関連論文リスト
- PolypDB: A Curated Multi-Center Dataset for Development of AI Algorithms in Colonoscopy [31.54817948734052]
3934の静止ポリプ画像を含む大規模公開データセットであるPolypDBを紹介する。
このデータセットは10人の消化器科医によって開発され、検証されている。
8つの一般的なセグメンテーション法と6つの標準ベンチマークポリープ検出法を用いて、各モダリティのベンチマークを提供する。
論文 参考訳（メタデータ） (2024-08-19T05:36:01Z) - 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) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - EndoBoost: a plug-and-play module for false positive suppression during
computer-aided polyp detection in real-world colonoscopy (with dataset) [30.825060093220806]
我々はFPPD-13データセットを公開し、実世界の大腸内視鏡におけるコンピュータ支援ポリプ検出において、典型的な偽陽性の分類学的および実世界のケースを提供する。
本稿では,ポストホックモジュールであるEndoBoostを汎用的なポリプ検出モデルにプラグインし,偽陽性予測をフィルタリングする手法を提案する。
論文 参考訳（メタデータ） (2022-12-23T08:34:36Z) - PolypConnect: Image inpainting for generating realistic gastrointestinal
tract images with polyps [1.7915968197912802]
下部消化管(GI)におけるポリープの早期同定は,致死性大腸癌の予防につながる可能性がある。
ポリープを検出するCADシステムは、検出精度と効率を改善し、エンドスコピストと呼ばれるドメインの専門家の時間を節約することができる。
本稿では,非ポリプ画像からポリプ画像に変換することにより,トレーニング用データセットのサイズを拡大するPolypConnectパイプラインを提案する。
論文 参考訳（メタデータ） (2022-05-30T20:20:19Z) - Contrastive Transformer-based Multiple Instance Learning for Weakly
Supervised Polyp Frame Detection [30.51410140271929]
現在の大腸内視鏡ビデオからのポリープ検出法では、正常な(健康な)訓練画像のみを使用する。
我々は,ビデオレベルのラベル付き学習データを用いてフレームレベルのポリプを検出する弱教師付き異常検出タスクとして,ポリプ検出を定式化する。
論文 参考訳（メタデータ） (2022-03-23T01:30:48Z) - Colonoscopy polyp detection with massive endoscopic images [4.458670612147842]
我々は、異なるデータセットで検証された平均精度を向上し、既存のエンドツーエンドのポリプ検出モデルを改善した。
我々のモデルは、リアルタイム検出速度を維持しつつ、最先端のポリプ検出性能を実現することができる。
論文 参考訳（メタデータ） (2022-02-17T16:07:59Z) - 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) - Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。
提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
論文 参考訳（メタデータ） (2021-03-23T19:45:26Z) - Polyp-artifact relationship analysis using graph inductive learned
representations [52.900974021773024]
大腸癌の診断プロセスは主にポリープ(polyps)として知られる大腸組織における異常増殖の局在と特徴づけに焦点を当てている。
近年の深層物体の局在化の進展にもかかわらず、組織と高レベルのアーティファクトとの類似性により、ポリープの局在化は依然として困難である。
近年の研究では、ポリプ検出タスクにおける人工物の存在が負の影響を示しており、トレーニングプロセスの中でそれらを考慮し始めている。
論文 参考訳（メタデータ） (2020-09-15T13:56:39Z)
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。