論文の概要: PolypGen: A multi-center polyp detection and segmentation dataset for generalisability assessment

• arxiv url: http://arxiv.org/abs/2106.04463v1
• Date: Tue, 8 Jun 2021 15:48:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 16:05:20.391922
• Title: PolypGen: A multi-center polyp detection and segmentation dataset for generalisability assessment
• Title（参考訳）: PolypGen:汎用性評価のためのマルチセンターポリープ検出とセグメンテーションデータセット
• Authors: Sharib Ali, Debesh Jha, Noha Ghatwary, Stefano Realdon, Renato Cannizzaro, Osama E. Salem, Dominique Lamarque, Christian Daul, Kim V. Anonsen, Michael A. Riegler, P{\aa}l Halvorsen, Jens Rittscher, Thomas de Lange, and James E. East
• Abstract要約: このデータセットは、3446個のアノテートされたポリプラベルを持つ単一フレームとシーケンスデータの両方を含む。 私たちの知る限り、これは計算科学者と専門の消化器科医のチームが計算した、最も包括的な検出とピクセルレベルのセグメンテーションデータセットです。
• 参考スコア（独自算出の注目度）: 0.9228488292086809
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Polyps in the colon are widely known as cancer precursors identified by colonoscopy either related to diagnostic work-up for symptoms, colorectal cancer screening or systematic surveillance of certain diseases. Whilst most polyps are benign, the number, size and the surface structure of the polyp are tightly linked to the risk of colon cancer. There exists a high missed detection rate and incomplete removal of colon polyps due to the variable nature, difficulties to delineate the abnormality, high recurrence rates and the anatomical topography of the colon. In the past, several methods have been built to automate polyp detection and segmentation. However, the key issue of most methods is that they have not been tested rigorously on a large multi-center purpose-built dataset. Thus, these methods may not generalise to different population datasets as they overfit to a specific population and endoscopic surveillance. To this extent, we have curated a dataset from 6 different centers incorporating more than 300 patients. The dataset includes both single frame and sequence data with 3446 annotated polyp labels with precise delineation of polyp boundaries verified by six senior gastroenterologists. To our knowledge, this is the most comprehensive detection and pixel-level segmentation dataset curated by a team of computational scientists and expert gastroenterologists. This dataset has been originated as the part of the Endocv2021 challenge aimed at addressing generalisability in polyp detection and segmentation. In this paper, we provide comprehensive insight into data construction and annotation strategies, annotation quality assurance and technical validation for our extended EndoCV2021 dataset which we refer to as PolypGen.
• Abstract（参考訳）: 大腸のポリープは、大腸内視鏡で診断されるがん前駆体として広く知られており、症状の診断、大腸癌検診、特定の疾患の組織的監視に関連する。 ほとんどのポリープは良性であるが、ポリープの数、大きさ、表面構造は大腸癌のリスクと密接に関連している。 大腸ポリープの異常, 再発率, 解剖学的トポグラフィなどの異常により, 検出精度が低下し, 大腸ポリープの除去が不完全であった。 過去、ポリプの検出とセグメンテーションを自動化するいくつかの方法が構築されてきた。 しかし、ほとんどのメソッドの大きな問題は、大規模なマルチセンターの目的構築データセットで厳格にテストされていないことである。 したがって、これらの手法は特定の人口と内視鏡的監視に過度に適合するため、異なる人口データセットに一般化することができない。 この範囲で、300人以上の患者を対象とする6つのセンターからデータセットを収集した。 このデータセットは、3446個のアノテートされたポリプラベルを持つ単一フレームとシーケンスデータの両方を含む。 私たちの知る限り、これは計算科学者と専門の消化器科医のチームが計算した、最も包括的な検出とピクセルレベルのセグメンテーションデータセットです。 このデータセットは、ポリプ検出とセグメンテーションの汎用性に対処するためのendocv2021チャレンジの一部として開発された。 本稿では,データ構築とアノテーション戦略,アノテーションの品質保証,およびPolypGenと呼ばれる拡張型EndoCV2021データセットの技術的検証に関する総合的な知見を提供する。

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)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• 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)
• 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)
• A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges and Future Trends [41.267545810720044]
  大腸癌予防・治療におけるポリープの早期検出と評価 昔は、色、テクスチャ、形などの手作業で抽出した下品な特徴に頼っていた。 ディープラーニングの出現に伴い、より優れた医療画像分割アルゴリズムが出現している。
  論文  参考訳（メタデータ） (2023-11-30T09:14:37Z)
• 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)
• Assessing generalisability of deep learning-based polyp detection and segmentation methods through a computer vision challenge [11.914243295893984]
  ポリープは大腸内視鏡で同定されたよく知られたがん前駆体である。 大腸ポリープのサーベイランスと除去は、非常に操作性に依存した手順である。 大腸ポリープの欠失検出率と不完全除去率がある。
  論文  参考訳（メタデータ） (2022-02-24T11:25:52Z)
• 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)
• 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。