Fugu-MT 論文翻訳(概要): EndoL2H: Deep Super-Resolution for Capsule Endoscopy

論文の概要: EndoL2H: Deep Super-Resolution for Capsule Endoscopy

arxiv url: http://arxiv.org/abs/2002.05459v2
Date: Mon, 22 Jun 2020 19:18:33 GMT
ステータス: 処理完了
システム内更新日: 2023-01-01 13:14:11.893793
Title: EndoL2H: Deep Super-Resolution for Capsule Endoscopy
Title（参考訳）: EndoL2H:カプセル内視鏡の高分解能化
Authors: Yasin Almalioglu, Kutsev Bengisu Ozyoruk, Abdulkadir Gokce, Kagan Incetan, Guliz Irem Gokceler, Muhammed Ali Simsek, Kivanc Ararat, Richard J. Chen, Nicholas J. Durr, Faisal Mahmood, Mehmet Turan
Abstract要約: 従来の内視鏡検査では,高分解能内視鏡が腺腫検出率を向上させることが示されている。低解像度から高解像度の内視鏡画像からマッピングを学習するための新しいフレームワークを提案し,定量的に検証する。
参考スコア（独自算出の注目度）: 8.949916545542296
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Although wireless capsule endoscopy is the preferred modality for diagnosis and assessment of small bowel diseases, the poor camera resolution is a substantial limitation for both subjective and automated diagnostics. Enhanced-resolution endoscopy has shown to improve adenoma detection rate for conventional endoscopy and is likely to do the same for capsule endoscopy. In this work, we propose and quantitatively validate a novel framework to learn a mapping from low-to-high resolution endoscopic images. We combine conditional adversarial networks with a spatial attention block to improve the resolution by up to factors of 8x, 10x, 12x, respectively. Quantitative and qualitative studies performed demonstrate the superiority of EndoL2H over state-of-the-art deep super-resolution methods DBPN, RCAN and SRGAN. MOS tests performed by 30 gastroenterologists qualitatively assess and confirm the clinical relevance of the approach. EndoL2H is generally applicable to any endoscopic capsule system and has the potential to improve diagnosis and better harness computational approaches for polyp detection and characterization. Our code and trained models are available at https://github.com/CapsuleEndoscope/EndoL2H.
Abstract（参考訳）: 小型腸疾患の診断と評価にはワイヤレスカプセル内視鏡が望ましいが, 主観的診断と自動診断の両面では, カメラ解像度の低下が著しく制限されている。造影内視鏡は従来の内視鏡検査で腺腫検出率を向上し,カプセル内視鏡でも同様である可能性が示唆された。本研究では,低分解能内視鏡画像からマッピングを学ぶための新しい枠組みを提案し,定量的に検証する。条件付きadversarial networkと空間的注意ブロックを組み合わせることで,解像度を8倍,10倍,12倍まで向上させる。定量的および定性的な研究は、最先端の超解像法DBPN, RCAN, SRGANよりもEndoL2Hの方が優れていることを示した。 30名の消化器科医によるMOS検査を質的に評価し,その臨床的意義を確認した。 EndoL2Hは一般に内視鏡的カプセルシステムに適用され、診断を改善し、ポリープの検出とキャラクタリゼーションのための計算手法を改善する可能性がある。私たちのコードとトレーニングされたモデルはhttps://github.com/capsuleendoscope/endol2hで利用可能です。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文参考訳（メタデータ） (2024-04-15T02:41:55Z)
UGCANet: A Unified Global Context-Aware Transformer-based Network with Feature Alignment for Endoscopic Image Analysis [0.0]
本稿では,複数のタスクを同時に実行するように設計されたトランスフォーマーに基づく新しいディープニューラルネットワークを提案する。提案するグローバルなコンテキスト認識モジュールは,機能アライメントブロックとともに強力なMiTバックボーンを活用することで,ネットワークの表現能力を向上する。
論文参考訳（メタデータ） (2023-07-12T16:01:56Z)
Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文参考訳（メタデータ） (2023-03-23T18:50:18Z)
Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging [37.21885467891782]
グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
論文参考訳（メタデータ） (2023-02-06T15:52:03Z)
GAN-based Super-Resolution and Segmentation of Retinal Layers in Optical coherence tomography Scans [13.016298207860974]
網膜層のCTスキャンの超高分解能化とセグメンテーションのためのGAN(Generative Adversarial Network)ベースのソリューションを提案する。 GANに基づくセグメンテーションモデルと、人気のあるネットワーク、すなわちU-NetとResNetをGANアーキテクチャに組み込んだ評価を行う。我々の最良のモデル構成は、Dice係数 0.867 と mIOU 0.765 を実証的に達成した。
論文参考訳（メタデータ） (2022-06-28T03:53:40Z)
Automatic Estimation of Ulcerative Colitis Severity from Endoscopy Videos using Ordinal Multi-Instance Learning [50.591267188664666]
潰瘍性大腸炎(Ulcerative colitis, UC)は、大腸の炎症を再発させることを特徴とする慢性炎症性腸疾患である。 UCの重症度は、内視鏡ビデオから粘膜疾患の活性を定量化するMayo Endoscopic Subscore (MES)によって表されることが多い。本稿では,ビデオMESラベルのみからフレーム重大度を推定する,弱教師付き順序分類手法を提案する。
論文参考訳（メタデータ） (2021-09-29T19:42:51Z)
Interpretable Automated Diagnosis of Retinal Disease using Deep OCT Analysis [7.005458308454871]
我々は,OCTスキャンの正確な分類のためのCNNベースモデルを開発した。我々は、モデルの判断に関する質的および定量的な説明の両方を作成することに重点を置いている。私たちの仕事は、モデルの決定について、初めて詳細な説明をしました。
論文参考訳（メタデータ） (2021-09-03T17:59:34Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
NanoNet: Real-Time Polyp Segmentation in Video Capsule Endoscopy and Colonoscopy [0.6125117548653111]
ビデオカプセル内視鏡と大腸内視鏡画像の分割のための新しいアーキテクチャであるNanoNetを提案する。提案アーキテクチャはリアルタイム性能を実現し,他の複雑なアーキテクチャに比べて高いセグメンテーション精度を有する。
論文参考訳（メタデータ） (2021-04-22T15:40:28Z)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)

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。