論文の概要: Rethinking Generalization Performance of Surgical Phase Recognition with
Expert-Generated Annotations
- arxiv url: http://arxiv.org/abs/2110.11626v1
- Date: Fri, 22 Oct 2021 07:21:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-25 23:50:17.151014
- Title: Rethinking Generalization Performance of Surgical Phase Recognition with
Expert-Generated Annotations
- Title（参考訳）: エキスパート生成アノテーションを用いた外科的位相認識の一般化性能の再考
- Authors: Seungbum Hong, Jiwon Lee, Bokyung Park, Ahmed A. Alwusaibie, Anwar H.
Alfadhel, SungHyun Park, Woo Jin Hyung, Min-Kook Choi
- Abstract要約: 今回, 胆嚢摘出術の7段階について, それまでのアノテートラベルの相違を解析し, 校正アノテーションを作成した。
胃癌に対する胃切除術は, 術後21期より複雑であり, 5名の専門医とのコンセンサス・アノテーションが得られた。
- 参考スコア（独自算出の注目度）: 2.959949967528606
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the area of application of deep neural networks expands to areas requiring
expertise, e.g., in medicine and law, more exquisite annotation processes for
expert knowledge training are required. In particular, it is difficult to
guarantee generalization performance in the clinical field in the case of
expert knowledge training where opinions may differ even among experts on
annotations. To raise the issue of the annotation generation process for
expertise training of CNNs, we verified the annotations for surgical phase
recognition of laparoscopic cholecystectomy and subtotal gastrectomy for
gastric cancer. We produce calibrated annotations for the seven phases of
cholecystectomy by analyzing the discrepancies of previously annotated labels
and by discussing the criteria of surgical phases. For gastrectomy for gastric
cancer has more complex twenty-one surgical phases, we generate consensus
annotation by the revision process with five specialists. By training the
CNN-based surgical phase recognition networks with revised annotations, we
achieved improved generalization performance over models trained with original
annotation under the same cross-validation settings. We showed that the
expertise data annotation pipeline for deep neural networks should be more
rigorous based on the type of problem to apply clinical field.
- Abstract（参考訳）: ディープニューラルネットワークの適用領域が医学や法学などの専門知識を必要とする領域にまで拡大するにつれて、専門家の知識トレーニングのためのより精巧なアノテーションプロセスが求められている。
特に,アノテーションの専門家の間で意見の相違がある専門家知識トレーニングの場合,臨床分野における一般化性能の保証は困難である。
胃癌に対する腹腔鏡下胆嚢摘出術および腹腔鏡下胃切除術の外科的位相認識のためのアノテーション生成法について検討した。
術前のラベルの相違を解析し, 手術段階の基準を議論することにより, 胆嚢摘出7段階の校正注釈を作成した。
胃癌に対する胃切除術は, 術後21期より複雑であり, 5名の専門医とのコンセンサス・アノテーションが得られた。
修正アノテーションを用いたcnnによる手術相認識ネットワークの訓練により,同一のクロスバリデーション設定下で,オリジナルアノテーションを訓練したモデルよりも一般化性能が向上した。
深層ニューラルネットワークのための専門知識データアノテーションパイプラインは,臨床分野に適用する問題の種類に基づいてより厳密にすべきであることを示した。
関連論文リスト
- Hypergraph-Transformer (HGT) for Interactive Event Prediction in
Laparoscopic and Robotic Surgery [50.3022015601057]
腹腔内ビデオから外科的ワークフローの重要なインタラクティブな側面を理解し,予測できる予測型ニューラルネットワークを提案する。
我々は,既存の手術用データセットとアプリケーションに対するアプローチを検証し,アクション・トリプレットの検出と予測を行った。
この結果は、非構造的な代替案と比較して、我々のアプローチの優位性を示している。
論文 参考訳（メタデータ） (2024-02-03T00:58:05Z) - Cataract-1K: Cataract Surgery Dataset for Scene Segmentation, Phase
Recognition, and Irregularity Detection [5.47960852753243]
本稿では,コンピュータ化された手術ワークフロー解析を構築するための多様な要件に対処する,白内障手術用ビデオデータセットについて紹介する。
我々は、最先端のニューラルネットワークアーキテクチャの性能をベンチマークすることで、アノテーションの品質を検証する。
データセットとアノテーションは、論文の受理時に公開される。
論文 参考訳（メタデータ） (2023-12-11T10:53:05Z) - Event Recognition in Laparoscopic Gynecology Videos with Hybrid
Transformers [4.371909393924804]
腹腔鏡下ビデオにおいて,関連するイベント認識に適したデータセットを提案する。
本データセットは,術中大きな課題と術後合併症に関連する重要な事象に対するアノテーションを含む。
腹腔鏡下手術ビデオにおける4つの特定の事象を認識するために,ハイブリッドトランスフォーマーアーキテクチャと,カスタマイズしたトレーニング推論フレームワークを併用して評価を行った。
論文 参考訳（メタデータ） (2023-12-01T13:57:29Z) - Action Recognition in Video Recordings from Gynecologic Laparoscopy [4.002010889177872]
行動認識は腹腔鏡画像解析における多くの応用の前提条件である。
本研究では,CNN-RNNアーキテクチャと,カスタマイズしたトレーニング推論フレームワークの設計と評価を行う。
論文 参考訳（メタデータ） (2023-11-30T16:15:46Z) - 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) - Identification, explanation and clinical evaluation of hospital patient
subtypes [50.591267188664666]
本研究は、2017年から2021年にかけて、英国にある大病院で入院した入院患者のサブタイプを特定するために、教師なしの機械学習技術を用いたパイプラインを提案する。
最先端の説明可能性技術を用いることで、特定されたサブタイプを解釈し、臨床的な意味を付与する。
同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。
論文 参考訳（メタデータ） (2023-01-19T11:42:09Z) - 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) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - NINEPINS: Nuclei Instance Segmentation with Point Annotations [2.19221864553448]
本稿では,ポイントアノテーションから自動生成される擬似ラベルセグメンテーションを用いたサンプルセグメンテーションのアルゴリズムを提案する。
生成されたセグメンテーションマスクを用いて、提案手法は、インスタンスセグメンテーションを実現するために、HoVer-Netモデルの修正版を訓練する。
実験結果から,提案手法はポイントアノテーションの不正確性に対して頑健であり,完全注釈付きインスタンスマスクを用いたHover-Netと比較すると,セグメンテーション性能の劣化が必ずしも組織分類などの高次タスクの劣化を意味するとは限らないことが示唆された。
論文 参考訳（メタデータ） (2020-06-24T08:28:52Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z) - TeCNO: Surgical Phase Recognition with Multi-Stage Temporal
Convolutional Networks [43.95869213955351]
外科的位相認識のための階層的予測補正を行う多段階時間畳み込みネットワーク(MS-TCN)を提案する。
本手法は腹腔鏡下胆嚢摘出術ビデオの2つのデータセットに対して,追加の外科的ツール情報を用いずに徹底的に評価した。
論文 参考訳（メタデータ） (2020-03-24T10:12:30Z)
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。