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

• arxiv url: http://arxiv.org/abs/2106.04463v3
• Date: Fri, 19 May 2023 09:10:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 20:21:53.616170
• Title: A multi-centre polyp detection and segmentation dataset for generalisability assessment
• Title（参考訳）: 汎用性評価のための多心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, Michael A. Riegler, Kim V. Anonsen, Andreas Petlund, 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、3762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。 本論文は,データ構築とアノテーション戦略,品質保証,技術検証に関する知見を提供する。
• 参考スコア（独自算出の注目度）: 1.5661270644639687
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Polyps in the colon are widely known cancer precursors identified by colonoscopy. Whilst most polyps are benign, the polyp's number, size and surface structure are linked to the risk of colon cancer. Several methods have been developed to automate polyp detection and segmentation. However, the main issue is that they are not tested rigorously on a large multicentre purpose-built dataset, one reason being the lack of a comprehensive public dataset. As a result, the developed methods may not generalise to different population datasets. To this extent, we have curated a dataset from six unique centres incorporating more than 300 patients. The dataset includes both single frame and sequence data with 3762 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 (referred to as \textit{PolypGen}) curated by a team of computational scientists and expert gastroenterologists. The paper provides insight into data construction and annotation strategies, quality assurance, and technical validation. Our dataset can be downloaded from \url{ https://doi.org/10.7303/syn26376615}.
• Abstract（参考訳）: 大腸ポリープは大腸内視鏡で同定されたがん前駆体として広く知られている。 ほとんどのポリープは良性であるが、ポリープの数、サイズ、表面構造は大腸癌のリスクと関連している。 ポリープ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開発されている。 しかし、主な問題は、大規模なマルチセンタで構築されたデータセットで厳密にテストされていないことである。 その結果、開発した手法は、異なる集団データセットに一般化できない。 この範囲で、300人以上の患者を対象とする6つのユニークな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、3762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。 我々の知る限り、これは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(「textit{PolypGen}」と呼ばれる)であり、計算科学者と専門の消化器科医のチームが計算した。 本稿では,データ構築とアノテーション戦略,品質保証,技術検証に関する知見を提供する。 我々のデータセットは \url{ https://doi.org/10.7303/syn26376615} からダウンロードできる。

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 [32.24135806984274]
  PolypDBは、3934の静止ポリプイメージと、実際の大腸内視鏡ビデオから対応する地上真実を含む、大規模な公開データセットである。 PolypDBは、ブルーライトイメージング(BLI)、フレキシブルイメージングカラーエンハンスメント(FICE)、リンクカラーイメージング(LCI)、ナローバンドイメージング(NBI)、ホワイトライトイメージング(WLI)の5つのモードからなる。
  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 [39.29697088643365]
  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。