Fugu-MT 論文翻訳(概要): Colorectal Polyp Detection in Real-world Scenario: Design and Experiment Study

論文の概要: Colorectal Polyp Detection in Real-world Scenario: Design and Experiment Study

arxiv url: http://arxiv.org/abs/2101.04034v1
Date: Mon, 11 Jan 2021 17:10:47 GMT
ステータス: 処理完了
システム内更新日: 2021-04-04 14:39:13.147600
Title: Colorectal Polyp Detection in Real-world Scenario: Design and Experiment Study
Title（参考訳）: 現実シナリオにおける大腸ポリープ検出:デザインと実験研究
Authors: Xinzi Sun, Dechun Wang, Chenxi Zhang, Pengfei Zhang, Zinan Xiong, Yu Cao, Benyuan Liu, Xiaowei Liu, Shuijiao Chen
Abstract要約: 大腸ポリープは、大腸癌に発症するリスクが高く、結腸または直腸の内膜に成長する異常な組織です。本稿では,ポリープ検出の独特な課題に対処する統合システムアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 8.112428008139117
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Colorectal polyps are abnormal tissues growing on the intima of the colon or rectum with a high risk of developing into colorectal cancer, the third leading cause of cancer death worldwide. Early detection and removal of colon polyps via colonoscopy have proved to be an effective approach to prevent colorectal cancer. Recently, various CNN-based computer-aided systems have been developed to help physicians detect polyps. However, these systems do not perform well in real-world colonoscopy operations due to the significant difference between images in a real colonoscopy and those in the public datasets. Unlike the well-chosen clear images with obvious polyps in the public datasets, images from a colonoscopy are often blurry and contain various artifacts such as fluid, debris, bubbles, reflection, specularity, contrast, saturation, and medical instruments, with a wide variety of polyps of different sizes, shapes, and textures. All these factors pose a significant challenge to effective polyp detection in a colonoscopy. To this end, we collect a private dataset that contains 7,313 images from 224 complete colonoscopy procedures. This dataset represents realistic operation scenarios and thus can be used to better train the models and evaluate a system's performance in practice. We propose an integrated system architecture to address the unique challenges for polyp detection. Extensive experiments results show that our system can effectively detect polyps in a colonoscopy with excellent performance in real time.
Abstract（参考訳）: 大腸ポリープ(Colectal polyps)は、大腸または直腸の intima に増殖する異常な組織で、大腸癌に進展するリスクが高い。大腸内視鏡検査による大腸ポリープの早期発見と除去は大腸癌予防に有効な方法であることが判明した。近年,ポリープ検出を支援するcnnを用いたコンピュータ支援システムが開発されている。しかし,実際の大腸内視鏡画像と一般データセット画像との間に有意な差があるため,実際の大腸内視鏡手術では良好に機能しない。公共のデータセットで明らかなポリープを持つ鮮明な画像とは異なり、大腸内視鏡の画像は、しばしばぼやけ、流体、破片、泡、反射、特異性、コントラスト、飽和、医療機器などの様々な人工物を含み、さまざまな大きさ、形状、テクスチャの多彩なポリープがある。これらの因子は、大腸内視鏡で効果的なポリープ検出に重大な課題をもたらす。この目的のために224回の大腸内視鏡検査から7,313枚の画像を含むプライベートデータセットを収集した。このデータセットは現実的な運用シナリオを表しており、モデルをよりよく訓練し、実際にシステムの性能を評価するために使用できる。本稿では,ポリープ検出の独特な課題に対処する統合システムアーキテクチャを提案する。広範な実験により,大腸内視鏡検査でポリープを効果的に検出できることを確認した。

関連論文リスト

Frontiers in Intelligent Colonoscopy [96.57251132744446]
本研究は, インテリジェント大腸内視鏡技術のフロンティアと, マルチモーダル医療への応用の可能性について検討する。大腸内視鏡的シーン知覚のための4つのタスクを通して,現在のデータ中心およびモデル中心のランドスケープを評価した。今後のマルチモーダル時代を受け入れるために,大規模マルチモーダル・インストラクション・チューニング・データセットColoninST,大腸内視鏡で設計されたマルチモーダル言語モデルColonGPT,マルチモーダル・ベンチマークの3つの基本イニシアティブを構築した。
論文参考訳（メタデータ） (2024-10-22T17:57:12Z)
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)
ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文参考訳（メタデータ） (2024-07-23T14:24:26Z)
REAL-Colon: A dataset for developing real-world AI applications in colonoscopy [1.8590283101866463]
本稿では,REAL-Colon(Real-world Multi-center Endoscopy Annotated Video Library)データセットを紹介する。これは60のフル解像度の実際の大腸内視鏡記録から、2.7Mのネイティブビデオフレームで構成されている。データセットには350kのバウンディングボックスアノテーションが含まれており、それぞれが専門の消化器科医の監督の下で作成されている。
論文参考訳（メタデータ） (2024-03-04T16:11:41Z)
COLON: The largest COlonoscopy LONg sequence public database [0.0]
この疾患の主要なバイオマーカーであるポリープは、大腸内視鏡検査により検出され、局在し、特徴付けられる。現在、一般に公開されているポリプデータセットは、非パラメトリックなポリプ形状を特徴づけるための計算戦略の大幅な進歩を可能にしている。この研究は、約3万個のポリプラベル付きフレームと4万個の背景フレームを持つ、最大のコロノスコープLONgシーケンスデータセットであるCOLONを紹介した。
論文参考訳（メタデータ） (2024-03-01T16:50:16Z)
Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文参考訳（メタデータ） (2023-07-30T16:08:45Z)
ColNav: Real-Time Colon Navigation for Colonoscopy [0.0]
本稿では,光学的大腸内視鏡(OC)のための新しいリアルタイムナビゲーションシステムを提案する。提案システムでは,大腸の非折りたたみ表現と,非検査領域に指示される局所指標の両方をリアルタイムに表示する手法を用いている。以上の結果から,高ポリープリコール (PR) と高信頼度が得られた。
論文参考訳（メタデータ） (2023-06-07T09:09:35Z)
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)
Advances in Artificial Intelligence to Reduce Polyp Miss Rates during Colonoscopy [0.7619404259039283]
本稿では,polypセグメンテーションの最先端性能を実現する,新しいディープニューラルネットワークアーキテクチャを提案する。本アルゴリズムは大腸内視鏡検査に応用でき,ポリープの欠落を減らして消化器科医を支援することができる。
論文参考訳（メタデータ） (2021-05-16T16:10:32Z)
Colonoscopy Polyp Detection: Domain Adaptation From Medical Report Images to Real-time Videos [76.37907640271806]
大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
論文参考訳（メタデータ） (2020-12-31T10:33:09Z)
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。