論文の概要: Applied Deep Learning to Identify and Localize Polyps from Endoscopic Images

• arxiv url: http://arxiv.org/abs/2301.09219v1
• Date: Sun, 22 Jan 2023 22:14:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 14:28:42.976663
• Title: Applied Deep Learning to Identify and Localize Polyps from Endoscopic Images
• Title（参考訳）: 内視鏡画像からのポリープの同定と局在化のための応用深層学習
• Authors: Chandana Raju, Sumedh Vilas Datar, Kushala Hari, Kavin Vijay, Suma Ningappa
• Abstract要約: 我々は,ポリープや潰瘍のアノテーションを含むデータセットのオープンソース化を目指してきた。 これは、ポリプと潰瘍の画像を含むインド初のデータセットです。 大規模な公開データセットでトレーニングされた、人気のあるディープラーニングオブジェクト検出モデルを用いて、データセットを評価しました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning based neural networks have gained popularity for a variety of biomedical imaging applications. In the last few years several works have shown the use of these methods for colon cancer detection and the early results have been promising. These methods can potentially be utilized to assist doctor's and may help in identifying the number of lesions or abnormalities in a diagnosis session. From our literature survey we found out that there is a lack of publicly available labeled data. Thus, as part of this work, we have aimed at open sourcing a dataset which contains annotations of polyps and ulcers. This is the first dataset that's coming from India containing polyp and ulcer images. The dataset can be used for detection and classification tasks. We also evaluated our dataset with several popular deep learning object detection models that's trained on large publicly available datasets and found out empirically that the model trained on one dataset works well on our dataset that has data being captured in a different acquisition device.
• Abstract（参考訳）: ディープラーニングベースのニューラルネットワークは、さまざまなバイオメディカルイメージングアプリケーションで人気を集めている。 ここ数年、大腸癌検出にこれらの方法を用いることが示されている研究がいくつかあり、初期の成果は有望である。 これらの方法は、潜在的に医師の補助に利用することができ、診断セッションの病変の数や異常を特定するのに役立ちます。 文献調査から,公開可能なラベル付きデータが不足していることが判明した。 そこで本研究では,ポリープや潰瘍のアノテーションを含むデータセットをオープンソース化することを目的としている。 これは、ポリプと潰瘍の画像を含むインド初のデータセットです。 データセットは、検出および分類タスクに使用できる。 私たちはまた、大規模な公開データセットでトレーニングされた人気のディープラーニングオブジェクト検出モデルでデータセットを評価し、あるデータセットでトレーニングされたモデルは、別の取得デバイスで取得されたデータを持つデータセット上でうまく動作することを実証的に発見した。

関連論文リスト

• Universal Medical Imaging Model for Domain Generalization with Data Privacy [2.8727695958743364]
  本稿では,複数の局所モデルからグローバルモデルへ知識を伝達するフェデレート学習手法を提案する。 主な目的は、幅広い医療画像タスクを実行できるグローバルモデルを訓練することである。
  論文  参考訳（メタデータ） (2024-07-20T01:24:15Z)
• Is in-domain data beneficial in transfer learning for landmarks detection in x-ray images? [1.5348047288817481]
  本研究では,大規模な自然画像データセットのみに事前学習したモデルに対して,小さな領域内X線画像データセットを使用することで,ランドマーク検出の精度が向上するかどうかを検討する。 我々の結果は、ドメイン内ソースデータセットを使用することで、ImageNetのドメイン外事前トレーニングに関して、限界があるか、まったく利益が得られないことを示している。 以上の結果から,大規模なアノテートデータセットが得られない場合の医用画像におけるロバストなランドマーク検出システムの開発が示唆された。
  論文  参考訳（メタデータ） (2024-03-03T10:35:00Z)
• A system for exploring big data: an iterative k-means searchlight for outlier detection on open health data [0.4588028371034407]
  本稿では,サーチライト手法を用いて複数の変数の組み合わせを探索し,外乱を識別するシステムを提案する。 ニューヨーク州が公開しているオープンヘルスデータを分析して,本システムについて解説する。 特定の病院での費用オーバーランや、自殺などの診断の増加など、データの異常な傾向が特定されている。
  論文  参考訳（メタデータ） (2023-04-05T02:09:15Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Self-Supervised Learning as a Means To Reduce the Need for Labeled Data in Medical Image Analysis [64.4093648042484]
  胸部X線画像のデータセットとバウンディングボックスラベルを用いて,13種類の異常の分類を行った。 ラベル付きデータの平均精度と精度を60%に抑えることで,完全教師付きモデルと同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-01T09:20:30Z)
• CvS: Classification via Segmentation For Small Datasets [52.821178654631254]
  本稿では,分類ラベルをセグメントマップの予測から導出する小型データセットのコスト効率の高い分類器であるCvSを提案する。 我々は,CvSが従来の手法よりもはるかに高い分類結果が得られることを示す多種多様な問題に対して,本フレームワークの有効性を評価する。
  論文  参考訳（メタデータ） (2021-10-29T18:41:15Z)
• 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)
• A Real Use Case of Semi-Supervised Learning for Mammogram Classification in a Local Clinic of Costa Rica [0.5541644538483946]
  ディープラーニングモデルのトレーニングには、かなりの量のラベル付きイメージが必要です。 多くの公開データセットが、さまざまな病院や診療所のデータで構築されている。 ラベルなしデータを利用した半教師付き深層学習手法であるMixMatchを提案し評価した。
  論文  参考訳（メタデータ） (2021-07-24T22:26:50Z)
• Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
  トレーニングデータアーティファクトの識別を容易にする手法を提案する。 提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。 我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-07-01T09:26:13Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• IntrA: 3D Intracranial Aneurysm Dataset for Deep Learning [18.163031102785904]
  IntrAというオープンアクセス型3次元頭蓋内動脈瘤データセットを導入し、ポイントベースおよびメッシュベース分類とセグメンテーションモデルの適用を可能にした。 本データセットは頭蓋内動脈瘤の診断に有用であり, 頸部を摘出し, クリッピング術を施行した。
  論文  参考訳（メタデータ） (2020-03-02T05:21:53Z)

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。