Fugu-MT 論文翻訳(概要): In Defense of Kalman Filtering for Polyp Tracking from Colonoscopy Videos

論文の概要: In Defense of Kalman Filtering for Polyp Tracking from Colonoscopy Videos

arxiv url: http://arxiv.org/abs/2201.11450v1
Date: Thu, 27 Jan 2022 11:25:58 GMT
ステータス: 処理完了
システム内更新日: 2022-01-28 19:23:35.244301
Title: In Defense of Kalman Filtering for Polyp Tracking from Colonoscopy Videos
Title（参考訳）: 大腸内視鏡ビデオからのポリープ追跡のためのカルマンフィルタの防御
Authors: David Butler, Yuan Zhang, Tim Chen, Seon Ho Shin, Rajvinder Singh, Gustavo Carneiro
Abstract要約: 大腸内視鏡画像からのポリープのリアルタイムかつ堅牢な自動検出は、この試験における医師のパフォーマンス向上に不可欠である。この分野の現在の焦点は、リアルタイムの応用が不可能な正確だが非効率な検出器の開発である。本稿では,実時間ポリプ検出器の実装を実現するために,強力だが効率的な検出器と協調して動作するカルマンフィルタトラッカーを提案する。
参考スコア（独自算出の注目度）: 15.377310026794854
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Real-time and robust automatic detection of polyps from colonoscopy videos are essential tasks to help improve the performance of doctors during this exam. The current focus of the field is on the development of accurate but inefficient detectors that will not enable a real-time application. We advocate that the field should instead focus on the development of simple and efficient detectors that an be combined with effective trackers to allow the implementation of real-time polyp detectors. In this paper, we propose a Kalman filtering tracker that can work together with powerful, but efficient detectors, enabling the implementation of real-time polyp detectors. In particular, we show that the combination of our Kalman filtering with the detector PP-YOLO shows state-of-the-art (SOTA) detection accuracy and real-time processing. More specifically, our approach has SOTA results on the CVC-ClinicDB dataset, with a recall of 0.740, precision of 0.869, $F_1$ score of 0.799, an average precision (AP) of 0.837, and can run in real time (i.e., 30 frames per second). We also evaluate our method on a subset of the Hyper-Kvasir annotated by our clinical collaborators, resulting in SOTA results, with a recall of 0.956, precision of 0.875, $F_1$ score of 0.914, AP of 0.952, and can run in real time.
Abstract（参考訳）: 大腸内視鏡ビデオからのポリープのリアルタイムかつロバストな自動検出は,検査中の医師のパフォーマンス向上に不可欠である。この分野の現在の焦点は、リアルタイムアプリケーションを可能にしない正確だが非効率な検出器の開発である。我々は、実時間ポリプ検出器の実装を可能にするために、効率的なトラッカーと組み合わせた単純で効率的な検出器の開発に焦点をあてるべきである。本稿では,実時間ポリープ検出器の実装を実現するために,強力だが効率的な検出器と連携可能なカルマンフィルタリングトラッカを提案する。特に,kalmanフィルタと検出器pp-yoloの組み合わせは,最先端(sota)検出精度とリアルタイム処理を示している。より具体的には、このアプローチはcvc-clinicdbデータセット上で sota 結果を持ち、リコールは 0.740、精度は 0.869、スコアは 0.799、平均精度 (ap) は 0.837、リアルタイム(すなわち毎秒 30 フレーム)で動作する。また, 臨床協力者によって注釈されたHyper-Kvasirのサブセットについて評価し, 0.956, 0.975, $F_1$ score of 0.914, AP of 0.952, リアルタイム動作が可能なSOTA結果を得た。

関連論文リスト

Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
RUPNet: Residual upsampling network for real-time polyp segmentation [2.6179759969345002]
大腸ポリープ分割のための新しいアーキテクチャであるResidual Upsampling Network (RUPNet)を提案する。画像サイズは512×512$で、提案手法は毎秒152.60フレームの優れたリアルタイム動作速度を実現する。
論文参考訳（メタデータ） (2023-01-06T20:21:37Z)
PP-YOLOE-R: An Efficient Anchor-Free Rotated Object Detector [14.263912554269435]
PP-YOLOE-Rは、PP-YOLOEに基づくアンカーフリー回転物体検出器である。 PP-YOLOE-R-l と PP-YOLOE-R-x は DOTA 1.0 データセット上で 78.14 と 78.28 mAP を達成する。 PP-YOLOE-R-xは全てのアンカーフリー手法を超越し、最先端のアンカーベース2段階モデルとの競合性能を示す。
論文参考訳（メタデータ） (2022-11-04T11:38:30Z)
ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。 ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-05-14T21:16:21Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
論文参考訳（メタデータ） (2021-09-18T02:28:01Z)
End-to-End Semi-Supervised Object Detection with Soft Teacher [63.26266730447914]
本稿では,従来の複雑な多段階法とは対照的に,終端から終端までの半教師付き物体検出手法を提案する。提案手法は, 種々のラベル付け比において, 従来手法よりも大きなマージンで性能を向上する。最先端のSwin Transformerベースの物体検出器では、検出精度を+1.5 mAPで大幅に向上させることができる。
論文参考訳（メタデータ） (2021-06-16T17:59:30Z)
Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
論文参考訳（メタデータ） (2021-03-23T19:45:26Z)
Automatic Polyp Segmentation using U-Net-ResNet50 [1.4174475093445236]
ポリープは大腸癌の前身であり、世界中のがん関連死亡の原因の1つと考えられている。大腸内視鏡検査では, 形状, サイズ, 周囲の組織類似性の変動により, 大腸ポリープが欠落することが多い。大腸内視鏡検査において, 自動的, 正確かつ高速なポリープ分割法を用いることで, 多くの大腸ポリープを容易に検出・除去することができる。
論文参考訳（メタデータ） (2020-12-30T17:59:18Z)
DDANet: Dual Decoder Attention Network for Automatic Polyp Segmentation [0.3734402152170273]
本稿では,デュアルデコーダアテンションネットワークに基づくDDANet'という新しいアーキテクチャを提案する。実験では、Kvasir-SEGデータセットで訓練され、見えないデータセットでテストされたモデルは、0.7874のダイス係数、0.7010のmIoU、0.7987のリコール、0.8577の精度を達成した。
論文参考訳（メタデータ） (2020-12-30T17:52:35Z)
Real-Time Polyp Detection, Localization and Segmentation in Colonoscopy Using Deep Learning [1.331701345310088]
大腸内視鏡画像のオープンアクセスデータセットであるKvasir-SEGを用いて,最近の最先端手法のベンチマークを行った。提案したColonSegNetは平均精度0.8000と平均IoU0.8100と、検出およびローカライゼーションタスクにおいて毎秒180フレームの高速なトレードオフを実現したことを示す。
論文参考訳（メタデータ） (2020-11-15T21:14:50Z)

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。