論文の概要: Real-time automatic polyp detection in colonoscopy using feature
enhancement module and spatiotemporal similarity correlation unit
- arxiv url: http://arxiv.org/abs/2201.10079v1
- Date: Tue, 25 Jan 2022 03:40:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 15:41:42.594893
- Title: Real-time automatic polyp detection in colonoscopy using feature
enhancement module and spatiotemporal similarity correlation unit
- Title（参考訳）: 機能強化モジュールと時空間類似性相関ユニットを用いた大腸内視鏡におけるリアルタイムポリープ検出
- Authors: Jianwei Xu, Ran Zhao, Yizhou Yu, Qingwei Zhang, Xianzhang Bian, Jun
Wang, Zhizheng Ge, and Dahong Qian
- Abstract要約: 畳み込みニューラルネットワーク(CNN)に基づく最先端手法
本手法は,2次元CNNを用いたリアルタイム物体検出ネットワークと時間情報を組み合わせる。
本手法は感度,精度,特異性を向上し,臨床大腸内視鏡に応用できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 34.28382404976628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic detection of polyps is challenging because different polyps vary
greatly, while the changes between polyps and their analogues are small. The
state-of-the-art methods are based on convolutional neural networks (CNNs).
However, they may fail due to lack of training data, resulting in high rates of
missed detection and false positives (FPs). In order to solve these problems,
our method combines the two-dimensional (2-D) CNN-based real-time object
detector network with spatiotemporal information. Firstly, we use a 2-D
detector network to detect static images and frames, and based on the detector
network, we propose two feature enhancement modules-the FP Relearning Module
(FPRM) to make the detector network learning more about the features of FPs for
higher precision, and the Image Style Transfer Module (ISTM) to enhance the
features of polyps for sensitivity improvement. In video detection, we
integrate spatiotemporal information, which uses Structural Similarity (SSIM)
to measure the similarity between video frames. Finally, we propose the
Inter-frame Similarity Correlation Unit (ISCU) to combine the results obtained
by the detector network and frame similarity to make the final decision. We
verify our method on both private databases and publicly available databases.
Experimental results show that these modules and units provide a performance
improvement compared with the baseline method. Comparison with the
state-of-the-art methods shows that the proposed method outperforms the
existing ones which can meet real-time constraints. It's demonstrated that our
method provides a performance improvement in sensitivity, precision and
specificity, and has great potential to be applied in clinical colonoscopy.
- Abstract（参考訳）: ポリプと類似物との差が小さいのに対し,ポリプの自動検出は異なるポリプがかなり異なるため困難である。
最先端の手法は畳み込みニューラルネットワーク(CNN)に基づいている。
しかし、トレーニングデータがないために失敗する可能性があるため、検出ミスや偽陽性(FPs)の頻度が高い。
これらの問題を解決するために,2次元(2次元)cnnに基づく実時間物体検出ネットワークと時空間情報を組み合わせた手法を提案する。
まず, 2次元検出器ネットワークを用いて静的画像やフレームを検出し, 検出器ネットワークに基づいて, fpsの特徴をより高精度に学習するためのfprelearning module (fprm) と, 感度向上のためのpolypsの特徴を強化するimage style transfer module (istm) の2つの特徴拡張モジュールを提案する。
映像検出では,映像フレーム間の類似度を測定するために構造的類似度(ssim)を用いた時空間情報を統合する。
最後に, フレーム間類似度相関ユニット (ISCU) を提案し, 検出ネットワークとフレーム類似度を組み合わせ, 最終的な決定を行う。
提案手法は,プライベートデータベースと公開データベースの両方で検証する。
実験の結果,これらのモジュールとユニットは,ベースライン法と比較して性能が向上することがわかった。
最先端手法との比較により,提案手法は実時間制約を満たす既存手法よりも優れていることを示す。
本手法は,感度,精度,特異性が向上し,臨床大腸内視鏡検査に応用できる可能性が極めて高いことが証明された。
関連論文リスト
- SSTFB: Leveraging self-supervised pretext learning and temporal self-attention with feature branching for real-time video polyp segmentation [4.027361638728112]
本稿では,自己教師型学習を補助課題として行うビデオポリープセグメンテーション手法と,表現学習を改善するための空間的時間的自己認識機構を提案する。
実験により, 現状技術(SOTA)法の改良が示された。
本研究は,Diceの類似度係数と交叉結合度の両方において,ネットワークの精度が3%以上,10%近く向上することが確認された。
論文 参考訳（メタデータ） (2024-06-14T17:33:11Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation [0.6062751776009752]
本研究では,ポリプセグメンテーションの精度を高めるために,残差学習と注意法を組み合わせた畳み込みニューラルネットワークアーキテクチャであるBetterNetを提案する。
BetterNetは、ポリープの検出と癌の早期認識を強化するために、コンピュータ支援診断技術を統合することを約束している。
論文 参考訳（メタデータ） (2024-05-05T21:08:49Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Accurate Real-time Polyp Detection in Videos from Concatenation of
Latent Features Extracted from Consecutive Frames [5.2009074009536524]
畳み込みニューラルネットワーク(CNN)は入力画像の小さな変化に対して脆弱である。
CNNベースのモデルは、連続したフレームに現れる同じポリプを見逃す可能性がある。
CNNを用いたエンコーダデコーダモデルの効率的な特徴結合法を提案する。
論文 参考訳（メタデータ） (2023-03-10T11:51:22Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳（メタデータ） (2023-01-12T09:53:57Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳（メタデータ） (2021-08-16T07:09:06Z) - Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。
提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
論文 参考訳（メタデータ） (2020-10-01T18:56:46Z) - A Deep Convolutional Neural Network for the Detection of Polyps in
Colonoscopy Images [12.618653234201089]
大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。
光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
論文 参考訳（メタデータ） (2020-08-15T13:55:44Z) - MuCAN: Multi-Correspondence Aggregation Network for Video
Super-Resolution [63.02785017714131]
ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。
フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。
VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
論文 参考訳（メタデータ） (2020-07-23T05:41:27Z) - iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。
IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。
IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文 参考訳（メタデータ） (2020-06-23T02:57:29Z)
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。