論文の概要: Application of Structural Similarity Analysis of Visually Salient Areas and Hierarchical Clustering in the Screening of Similar Wireless Capsule Endoscopic Images

• arxiv url: http://arxiv.org/abs/2004.02805v1
• Date: Wed, 1 Apr 2020 09:03:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 17:53:39.027683
• Title: Application of Structural Similarity Analysis of Visually Salient Areas and Hierarchical Clustering in the Screening of Similar Wireless Capsule Endoscopic Images
• Title（参考訳）: 類似した無線カプセル内視鏡画像のスクリーニングにおける視覚的サルエント領域の構造的類似性解析と階層的クラスタリングの応用
• Authors: Rui Nie (2), Huan Yang (1), Hejuan Peng (2), Wenbin Luo (2), Weiya Fan (2), Jie Zhang (2), Jing Liao (2), Fang Huang (2), Yufeng Xiao (1) ((1) Depatment of Gastroenterology, Second Affiliated Hospital, Army Medical University (Third Military Medical University), Chongqing, China. (2) Chongqing Jinshan Science & Technology (Group) Co., Ltd., Chongqing, China.)
• Abstract要約: 小腸内視鏡検査では6万～12万枚の画像が得られたが、その大部分は類似しており診断価値はない。 医師がこれらの画像から病変を特定するのに2～3時間かかります。 これは時間を要し、誤診や診断の欠如の可能性を増大させる。 本稿では、構造的類似性解析と視覚的に有意なサブイメージブロックの階層的クラスタリングに基づく、類似した無線カプセル内視鏡(WCE)画像スクリーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Small intestinal capsule endoscopy is the mainstream method for inspecting small intestinal lesions,but a single small intestinal capsule endoscopy will produce 60,000 - 120,000 images, the majority of which are similar and have no diagnostic value. It takes 2 - 3 hours for doctors to identify lesions from these images. This is time-consuming and increase the probability of misdiagnosis and missed diagnosis since doctors are likely to experience visual fatigue while focusing on a large number of similar images for an extended period of time.In order to solve these problems, we proposed a similar wireless capsule endoscope (WCE) image screening method based on structural similarity analysis and the hierarchical clustering of visually salient sub-image blocks. The similarity clustering of images was automatically identified by hierarchical clustering based on the hue,saturation,value (HSV) spatial color characteristics of the images,and the keyframe images were extracted based on the structural similarity of the visually salient sub-image blocks, in order to accurately identify and screen out similar small intestinal capsule endoscopic images. Subsequently, the proposed method was applied to the capsule endoscope imaging workstation. After screening out similar images in the complete data gathered by the Type I OMOM Small Intestinal Capsule Endoscope from 52 cases covering 17 common types of small intestinal lesions, we obtained a lesion recall of 100% and an average similar image reduction ratio of 76%. With similar images screened out, the average play time of the OMOM image workstation was 18 minutes, which greatly reduced the time spent by doctors viewing the images.
• Abstract（参考訳）: 小腸内腔内視鏡は小腸病変の検査の主流であるが,1回の小腸内腔内視鏡では6万～12万の画像が生成される。 医師がこれらの画像から病変を識別するのに2～3時間かかる。 このことは誤診の可能性を増大させ,医師が長期にわたって類似した画像に焦点を合わせながら視覚疲労を経験しがちなことから,構造的類似性分析と視覚的に有意なサブイメージブロックの階層的クラスタリングに基づく類似したワイヤレスカプセル内視鏡(WCE)画像スクリーニング手法を提案する。 画像の類似性クラスタリングは画像の色相,彩度,値 (HSV) の空間色特性に基づいて階層的クラスタリングによって自動的に識別され, キーフレーム画像は視覚的に有意なサブイメージブロックの構造的類似性に基づいて抽出され, 同様の小さな腸内膜内視鏡像を正確に識別およびスクリーニングする。 提案手法をカプセル内視鏡撮影用ワークステーションに適用した。 17種類の小腸病変を被覆した52例からi型オモム小腸カプセル内視鏡で収集された全データから類似画像のスクリーニングを行った結果,病変のリコール率は100%,平均で76%であった。 同様の画像をチェックアウトし、OMOMイメージワークステーションの平均再生時間は18分であり、医師が画像を見る時間を大幅に短縮した。

関連論文リスト

• VALD-MD: Visual Attribution via Latent Diffusion for Medical Diagnostics [0.0]
  医用画像における視覚的属性は、医用画像の診断関連成分を明確にすることを目指している。 本稿では、潜在拡散モデルとドメイン固有大言語モデルを組み合わせた新しい生成的視覚属性手法を提案する。 結果として生じるシステムは、ゼロショット局所化疾患誘導を含む様々な潜在能力を示す。
  論文  参考訳（メタデータ） (2024-01-02T19:51:49Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Automatic Detection of Microaneurysms in OCT Images Using Bag of Features [8.777674946755717]
  糖尿病による糖尿病網膜症(DR)は網膜血管の変化によって発生し、視覚障害を引き起こす。 Microaneurysms (MAs) はDRの早期臨床症状であり、時間的診断はDRの発達の初期段階における検出に有効である。 本研究は, DR患者20名を対象に, FA画像とOCT画像から収集したデータセットを用いて行った。
  論文  参考訳（メタデータ） (2022-05-10T06:43:01Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• A Keypoint Detection and Description Network Based on the Vessel Structure for Multi-Modal Retinal Image Registration [0.0]
  異なるモダリティや取得時間を持つ複数の画像は、網膜疾患の診断のためにしばしば分析される。 本手法は、畳み込みニューラルネットワークを用いて、多モード網膜画像の血管構造の特徴を抽出する。
  論文  参考訳（メタデータ） (2022-01-06T20:43:35Z)
• Automatic Multi-Stain Registration of Whole Slide Images in Histopathology [0.0]
  単一セルの精度で巨大なギガピクセルの全体スライド画像(WSI)を自動で高速かつ断続的にアライメントするのは難しい。 本稿では,微小な転移リンパ節の局在化を支援するために,2段階の自動機能ベースのクロスステインアライメントを提案する。
  論文  参考訳（メタデータ） (2021-07-29T19:38:30Z)
• 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)
• Lesion2Vec: Deep Metric Learning for Few-Shot Multiple Lesions Recognition in Wireless Capsule Endoscopy Video [0.0]
  wireless capsule endoscopy (wce) は、消化管全体を非侵襲的に可視化することで、従来の内視鏡手術に革命をもたらした。 単一のビデオは最大8時間で3万から10万の画像を生成できる。 We propose a metric-based learning framework followed with a few-shot lesion recognition in WCE data。
  論文  参考訳（メタデータ） (2021-01-11T23:58:56Z)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。