論文の概要: 2020 CATARACTS Semantic Segmentation Challenge

• arxiv url: http://arxiv.org/abs/2110.10965v1
• Date: Thu, 21 Oct 2021 08:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-10-22 18:29:17.317795
• Title: 2020 CATARACTS Semantic Segmentation Challenge
• Title（参考訳）: 2020 CATARACTSセマンティックセグメンテーションチャレンジ
• Abstract要約: 2017年、CATARACTS (Challenge on Automatic Tool for cataRACT Surgery) は50個の白内障手術用ビデオを公開した。 2020年、私たちはCATARACTSトレーニングセットの25の動画から採取された4670枚の画像に対して、解剖学と計器に関するピクセル単位のセマンティックアノテーションをリリースした。
• 参考スコア（独自算出の注目度）: 24.668100973742813
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Surgical scene segmentation is essential for anatomy and instrument localization which can be further used to assess tissue-instrument interactions during a surgical procedure. In 2017, the Challenge on Automatic Tool Annotation for cataRACT Surgery (CATARACTS) released 50 cataract surgery videos accompanied by instrument usage annotations. These annotations included frame-level instrument presence information. In 2020, we released pixel-wise semantic annotations for anatomy and instruments for 4670 images sampled from 25 videos of the CATARACTS training set. The 2020 CATARACTS Semantic Segmentation Challenge, which was a sub-challenge of the 2020 MICCAI Endoscopic Vision (EndoVis) Challenge, presented three sub-tasks to assess participating solutions on anatomical structure and instrument segmentation. Their performance was assessed on a hidden test set of 531 images from 10 videos of the CATARACTS test set.
• Abstract（参考訳）: 外科的シーンセグメンテーションは解剖学や計測器の局在に必須であり、手術中の組織-組織間相互作用の評価にも利用できる。 2017年、the challenge on automatic tool annotation for cataract surgery (cataracts) が50本の白内障手術ビデオをリリースした。 これらのアノテーションにはフレームレベルの楽器の存在情報が含まれていた。 2020年、私たちはCATARACTSトレーニングセットの25の動画から採取された4670枚の画像に対して、解剖学と計器に関するピクセル単位のセマンティックアノテーションをリリースした。 2020 CATARACTS Semantic Segmentation Challengeは、2020 MICCAIendoscopic Vision (EndoVis) Challengeのサブチャレンジであり、解剖学的構造と機器セグメンテーションに関する参加ソリューションを評価するための3つのサブタスクを提示した。 彼らのパフォーマンスは、CATARACTSテストセットの10ビデオから531枚の画像が隠されたテストセットで評価された。

関連論文リスト

• Where It Moves, It Matters: Referring Surgical Instrument Segmentation via Motion [54.359489807885616]
  SurgRefは、自由形式の言語表現を楽器の動きに基礎を置くモーションガイドフレームワークである。 SurgRefをトレーニングし,評価するために,高密度時間マスクとリッチモーション表現を備えた多機能ビデオデータセットRef-IMotionを提案する。
  論文  参考訳（メタデータ） (2026-01-18T02:14:08Z)
• Comparative validation of surgical phase recognition, instrument keypoint estimation, and instrument instance segmentation in endoscopy: Results of the PhaKIR 2024 challenge [27.48982385201173]
  3つの医療機関から収集した腹腔鏡下胆嚢摘出術13例からなる新しいデータセットについて紹介した。 既存のデータセットとは異なり、同じデータ内の機器の局所化と手続き的コンテキストを共同で調べることができる。 バイオメディカル画像解析の課題に対するBIASガイドラインに従って,結果と知見を報告する。
  論文  参考訳（メタデータ） (2025-07-22T13:10:42Z)
• ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
  ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。 このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。 ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
  論文  参考訳（メタデータ） (2025-06-01T19:29:39Z)
• Dynamically evolving segment anything model with continuous learning for medical image segmentation [50.92344083895528]
  ダイナミックに進化する医療画像セグメンテーションモデルであるEvoSAMを紹介する。 EvoSAMは、継続的に拡張されるシナリオとタスクの配列から新しい知識を蓄積する。 血管セグメンテーションに関する外科医による実験により、EvoSAMはユーザプロンプトに基づいてセグメンテーション効率を高めることが確認された。
  論文  参考訳（メタデータ） (2025-03-08T14:37:52Z)
• SURGIVID: Annotation-Efficient Surgical Video Object Discovery [42.16556256395392]
  手術シーンのセマンティックセグメンテーションのためのアノテーション効率のよいフレームワークを提案する。 我々は,画像に基づく自己監督型物体発見法を用いて,外科的ビデオにおいて最も有能なツールや解剖学的構造を同定する。 完全教師付きセグメンテーションモデルを用いて,36のアノテーションラベルで強化した無教師付きセットアップでは,同程度のローカライゼーション性能を示す。
  論文  参考訳（メタデータ） (2024-09-12T07:12:20Z)
• Amodal Segmentation for Laparoscopic Surgery Video Instruments [30.39518393494816]
  医療分野における手術器具の領域にAmodalVisを導入する。 このテクニックは、オブジェクトの可視部と隠蔽部の両方を識別する。 これを実現するために,新しいAmoal Instrumentsデータセットを導入する。
  論文  参考訳（メタデータ） (2024-08-02T07:40:34Z)
• The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT [50.41526598153698]
  本稿では,2021 Kidney and Kidney tumor Challenge (KiTS21)の挑戦報告について述べる。 KiTS21は2019年に発売された最初のエディションの続編であり、チャレンジの設計方法に様々な革新が加えられている。 トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスに近いことが示されています。
  論文  参考訳（メタデータ） (2023-07-05T02:00:14Z)
• Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
  SurgLoc 2022 チャレンジの結果を示す。 目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。 これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
  論文  参考訳（メタデータ） (2023-05-11T21:44:39Z)
• CholecTriplet2022: Show me a tool and tell me the triplet -- an endoscopic vision challenge for surgical action triplet detection [41.66666272822756]
  本稿では,ColecTriplet2022の課題について述べる。 キーアクターとして、すべての可視的手術器具(または道具)の弱い調整されたバウンディングボックスローカライゼーションと、楽器、動詞、ターゲット>三重奏の形式での各ツール活性のモデリングを含む。
  論文  参考訳（メタデータ） (2023-02-13T11:53:14Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• CholecTriplet2021: A benchmark challenge for surgical action triplet recognition [66.51610049869393]
  腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。 課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。 4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
  論文  参考訳（メタデータ） (2022-04-10T18:51:55Z)
• Segmenting Medical Instruments in Minimally Invasive Surgeries using AttentionMask [66.63753229115983]
  我々は,オブジェクト提案生成システムであるAttentionMaskに適応し,将来的な提案を選択するための専用の後処理を提案する。 ROBUST-MIS Challenge 2019の結果から,適応型 AttentionMask システムは最先端のパフォーマンスを実現するための強力な基盤であることがわかった。
  論文  参考訳（メタデータ） (2022-03-21T21:37:56Z)
• m2caiSeg: Semantic Segmentation of Laparoscopic Images using Convolutional Neural Networks [4.926395463398194]
  深層学習に基づくセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・アルゴリズムを提案する。 実世界の外科手術の内視鏡的映像フィードから作成した注釈付きデータセットm2caiSegを提示する。
  論文  参考訳（メタデータ） (2020-08-23T23:30:15Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• 2018 Robotic Scene Segmentation Challenge [23.9689061521114]
  2015年、ミュンヘンのMICCAIで開催されたEndoVisワークショップで、ロボットの前方運動学とCADモデルから自動生成されるアノテーションを用いて、前立腺組織の内視鏡画像を使用したサブチャンジを開始した。 2017年、ケベックの同じワークショップで、ロボット機器のセグメンテーションデータセットを導入しました。 この課題には、現実的な楽器の動きと、より複雑なブタの組織が背景として含まれており、U-Netや他の一般的なCNNアーキテクチャの変更によって広く対処された。 2018年には、解剖学的オブジェクトのセットを導入して、複雑さを追加しました。
  論文  参考訳（メタデータ） (2020-01-30T06:37:07Z)

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。