論文の概要: A Comparative Study on Polyp Classification using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2007.06071v1
• Date: Sun, 12 Jul 2020 19:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 05:55:52.179310
• Title: A Comparative Study on Polyp Classification using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたポリプ分類の比較研究
• Authors: Krushi Patel, Kaidong Li, Ke Tao, Quan Wang, Ajay Bansal, Amit Rastogi, Guanghui Wang
• Abstract要約: 大腸癌は、米国で男性と女性の両方で診断される3番目に多いがんである。 ポリプの早期検出と認識は、がんを予防し、結果を変えるために重要である。 深層畳み込みニューラルネットワークは、様々な対象カテゴリのオブジェクト分類において非常に成功した。 我々は,超塑性とアデノマトースという2種類のポリープからなる157の動画シーケンスのデータセットを用いて,合計6つのCNNモデルをエンドツーエンドにトレーニングした。 以上の結果から,現在最先端のCNNモデルでは,胃腸科医の報告と同等以上の精度でポリープを分類することができた。
• 参考スコア（独自算出の注目度）: 18.22914251988384
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Colorectal cancer is the third most common cancer diagnosed in both men and women in the United States. Most colorectal cancers start as a growth on the inner lining of the colon or rectum, called 'polyp'. Not all polyps are cancerous, but some can develop into cancer. Early detection and recognition of the type of polyps is critical to prevent cancer and change outcomes. However, visual classification of polyps is challenging due to varying illumination conditions of endoscopy, variant texture, appearance, and overlapping morphology between polyps. More importantly, evaluation of polyp patterns by gastroenterologists is subjective leading to a poor agreement among observers. Deep convolutional neural networks have proven very successful in object classification across various object categories. In this work, we compare the performance of the state-of-the-art general object classification models for polyp classification. We trained a total of six CNN models end-to-end using a dataset of 157 video sequences composed of two types of polyps: hyperplastic and adenomatous. Our results demonstrate that the state-of-the-art CNN models can successfully classify polyps with an accuracy comparable or better than reported among gastroenterologists. The results of this study can guide future research in polyp classification.
• Abstract（参考訳）: 大腸癌は、米国で男性と女性の両方で診断される3番目に多いがんである。 ほとんどの大腸癌は「ポリープ」と呼ばれる結腸または直腸の内側に成長して発生する。 すべてのポリープが癌であるわけではないが、がんに進展するものもある。 ポリープの早期検出と認識は、がんの予防と予後の変化に不可欠である。 しかし,ポリープの視覚的分類は,内視鏡の照明条件,テクスチャの多様性,外観,ポリプ間の重なり合いなどにより困難である。 さらに,胃腸科医によるポリープパターンの評価が主観的であり,観察者の間では不一致となっている。 深層畳み込みニューラルネットワークは、様々な対象カテゴリのオブジェクト分類において非常に成功した。 本研究では,ポリプ分類における最先端汎用オブジェクト分類モデルの性能を比較する。 我々は,超塑性とアデノマトースという2種類のポリープからなる157の動画シーケンスのデータセットを用いて,合計6つのCNNモデルをエンドツーエンドにトレーニングした。 その結果,最先端のcnnモデルは胃腸科医の報告と同等かそれ以上の精度でポリプの分類に成功した。 本研究の結果はポリープ分類の今後の研究を導くことができる。

関連論文リスト

• 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)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
  我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2022-12-07T07:45:50Z)
• Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
  本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。 提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
  論文  参考訳（メタデータ） (2022-03-07T10:36:38Z)
• 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)
• 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)
• Colonoscopy Polyp Detection and Classification: Dataset Creation and Comparative Evaluations [12.160373952983319]
  大腸癌(CRC)は、死亡率の高いがんの最も一般的なタイプの1つです。 コンピュータ支援ポリープ検出・分類システムは大腸内視鏡の有用性を著しく高めることができる。 この研究は、ポリープ検出と分類の将来の研究の基礎となることができる。
  論文  参考訳（メタデータ） (2021-04-22T01:57:35Z)
• Dysplasia grading of colorectal polyps through CNN analysis of WSI [5.8797822609846895]
  提案されたディープラーニングベースの分類パイプラインは、最先端の畳み込みニューラルネットワークに基づいている。 実験の結果,腺腫の異形成度を70%の精度で分類することができた。
  論文  参考訳（メタデータ） (2021-02-10T15:40:27Z)
• 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。