論文の概要: CholecSeg8k: A Semantic Segmentation Dataset for Laparoscopic Cholecystectomy Based on Cholec80

• arxiv url: http://arxiv.org/abs/2012.12453v1
• Date: Wed, 23 Dec 2020 02:23:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 18:10:18.772407
• Title: CholecSeg8k: A Semantic Segmentation Dataset for Laparoscopic Cholecystectomy Based on Cholec80
• Title（参考訳）: CholecSeg8k: Cholec80 を用いた腹腔鏡下胆嚢摘出術のセマンティックセグメンテーションデータセット
• Authors: W.-Y. Hong, C.-L. Kao, Y.-H. Kuo, J.-R. Wang, W.-L. Chang and C.-S. Shih
• Abstract要約: 本稿では,セマンティックセグメンテーションのためのデータセット作成の取り組みについて詳述する。 Cholec80の17個のビデオクリップから腹腔鏡下胆嚢摘出画像フレームを8,080本抽出し,アノテートした。 これらの画像はそれぞれ、腹腔鏡下胆嚢摘出術で一般的に確立される13のクラスでピクセルレベルでアノテートされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Computer-assisted surgery has been developed to enhance surgery correctness and safety. However, researchers and engineers suffer from limited annotated data to develop and train better algorithms. Consequently, the development of fundamental algorithms such as Simultaneous Localization and Mapping (SLAM) is limited. This article elaborates on the efforts of preparing the dataset for semantic segmentation, which is the foundation of many computer-assisted surgery mechanisms. Based on the Cholec80 dataset [3], we extracted 8,080 laparoscopic cholecystectomy image frames from 17 video clips in Cholec80 and annotated the images. The dataset is named CholecSeg8K and its total size is 3GB. Each of these images is annotated at pixel-level for thirteen classes, which are commonly founded in laparoscopic cholecystectomy surgery. CholecSeg8k is released under the license CC BY- NC-SA 4.0.
• Abstract（参考訳）: 手術の正確性と安全性を高めるためにコンピュータ支援手術が開発された。 しかし、研究者やエンジニアは、より良いアルゴリズムを開発し訓練するために、注釈付きデータに苦しむ。 したがって、同時局在マッピング(SLAM)のような基本アルゴリズムの開発は限られている。 本稿では,多くのコンピュータ支援手術機構の基礎となるセマンティクスセグメンテーションのためのデータセット作成の取り組みについて詳述する。 Cholec80データセット[3]に基づいて,Colec80の17本のビデオクリップから8,080本の腹腔鏡下胆嚢摘出画像フレームを抽出し,注視した。 データセットはCholecSeg8Kと名付けられ、総サイズは3GBである。 これらの画像はそれぞれ、腹腔鏡下胆嚢摘出術で一般的に確立される13のクラスでピクセルレベルでアノテートされる。 CholecSeg8kはCC BY-NC-SA 4.0ライセンスでリリースされた。

関連論文リスト

• Phase-Informed Tool Segmentation for Manual Small-Incision Cataract Surgery [5.346116837157231]
  白内障手術は世界中で最も一般的な手術であり、発展途上国では非常に高い負担がかかる。 白内障-MSICSは,18の手術相と3,527のフレームに,13の手術ツールを画素レベルで付加した53の手術ビデオを含む,最初の総合的データセットである。 ファウンデーションモデルからの擬似ラベルを利用した,位相条件デコーダと簡易かつ効果的な半教師付きセットアップを導入することで,ツールセグメンテーションを強化する新しいフレームワークであるToolSegを提案する。
  論文  参考訳（メタデータ） (2024-11-25T09:22:42Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• Self-supervised Registration and Segmentation of the Ossicles with A Single Ground Truth Label [1.6244541005112747]
  本稿では,アトラスとターゲット画像の間の密度変形場を生成する,自己教師型3D-UNetを用いた新しい手法を提案する。 以上の結果から,本手法は従来の画像分割法より優れ,オシクルの周囲により正確な境界が生じることがわかった。
  論文  参考訳（メタデータ） (2023-02-15T22:11:31Z)
• Semantic-SuPer: A Semantic-aware Surgical Perception Framework for Endoscopic Tissue Classification, Reconstruction, and Tracking [21.133420628173067]
  外科的知覚の枠組みであるSemantic-SuPerを提案する。 データアソシエーション、3D再構成、内視鏡的シーンの追跡を容易にするため、幾何学的および意味的な情報を統合する。
  論文  参考訳（メタデータ） (2022-10-29T19:33:21Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
  RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。 我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
  論文  参考訳（メタデータ） (2022-06-08T04:39:44Z)
• A self-supervised learning strategy for postoperative brain cavity segmentation simulating resections [46.414990784180546]
  畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングに大量の注釈付きデータセットを必要とする。 自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
  論文  参考訳（メタデータ） (2021-05-24T12:27:06Z)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。