論文の概要: Simple U-net Based Synthetic Polyp Image Generation: Polyp to Negative and Negative to Polyp

• arxiv url: http://arxiv.org/abs/2302.09835v1
• Date: Mon, 20 Feb 2023 08:47:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 16:09:44.285798
• Title: Simple U-net Based Synthetic Polyp Image Generation: Polyp to Negative and Negative to Polyp
• Title（参考訳）: 単純なU-netによる合成ポリプ画像生成:ポリプを負、ポリプを負とする
• Authors: Hemin Ali Qadir, Ilangko Balasingham, Younghak Shin
• Abstract要約: 合成ポリープ生成は、医療データのプライバシー問題を克服するための良い代替手段である。 本稿では,実画像と類似した合成ポリプ画像を生成するディープラーニングベースのポリプ画像生成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.943584566266871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic polyp generation is a good alternative to overcome the privacy problem of medical data and the lack of various polyp samples. In this study, we propose a deep learning-based polyp image generation framework that generates synthetic polyp images that are similar to real ones. We suggest a framework that converts a given polyp image into a negative image (image without a polyp) using a simple conditional GAN architecture and then converts the negative image into a new-looking polyp image using the same network. In addition, by using the controllable polyp masks, polyps with various characteristics can be generated from one input condition. The generated polyp images can be used directly as training images for polyp detection and segmentation without additional labeling. To quantitatively assess the quality of generated synthetic polyps, we use public polyp image and video datasets combined with the generated synthetic images to examine the performance improvement of several detection and segmentation models. Experimental results show that we obtain performance gains when the generated polyp images are added to the training set.
• Abstract（参考訳）: 合成ポリープ生成は、医療データのプライバシー問題と様々なポリープサンプルの欠如を克服する優れた代替手段である。 本研究では,実画像と類似した合成ポリプ画像を生成する深層学習に基づくポリプ画像生成フレームワークを提案する。 簡単な条件付きGANアーキテクチャを用いて、与えられたポリプ画像を負のイメージ(ポリプのないイメージ)に変換し、同じネットワークを用いて、その負の画像を新しいポリプ画像に変換するフレームワークを提案する。 また、制御可能なポリプマスクを用いて、1つの入力条件から様々な特性を有するポリプを生成することができる。 生成されたポリープ画像は、付加的なラベル付けなしに、ポリープ検出とセグメンテーションのためのトレーニング画像として直接使用できる。 生成した合成ポリプの品質を定量的に評価するために,生成した合成画像と組み合わせたポリープ画像と映像データセットを用いて,複数の検出・分割モデルの性能改善を検討する。 実験の結果,生成したポリプ画像がトレーニングセットに追加されると,性能が向上することがわかった。

関連論文リスト

• PolypDB: A Curated Multi-Center Dataset for Development of AI Algorithms in Colonoscopy [31.54817948734052]
  3934の静止ポリプ画像を含む大規模公開データセットであるPolypDBを紹介する。 このデータセットは10人の消化器科医によって開発され、検証されている。 8つの一般的なセグメンテーション法と6つの標準ベンチマークポリープ検出法を用いて、各モダリティのベンチマークを提供する。
  論文  参考訳（メタデータ） (2024-08-19T05:36:01Z)
• EndoFinder: Online Image Retrieval for Explainable Colorectal Polyp Diagnosis [10.83700068295662]
  EndoFinderはコンテンツベースの画像検索フレームワークである。 新たに検出されたポリプが与えられた参照データベースでは、'デジタルツイン'ポリプが見つかる。 新しいポリプの臨床的意味は、一致したポリプを参照して推測することができる。
  論文  参考訳（メタデータ） (2024-07-16T05:40:17Z)
• Polyp-DDPM: Diffusion-Based Semantic Polyp Synthesis for Enhanced Segmentation [0.0]
  Polyp-DDPMは,マスク上に条件付きポリプのリアルな画像を生成する拡散法である。 我々のアプローチは、医療画像に関連するデータ制限、高アノテーションコスト、プライバシー問題といった課題に対処する。
  論文  参考訳（メタデータ） (2024-02-06T14:26:02Z)
• Mask-conditioned latent diffusion for generating gastrointestinal polyp images [2.027538200191349]
  本研究では,与えられたセグメンテーションマスクに条件付き合成GIポリプ画像を生成する条件付きDPMフレームワークを提案する。 本システムでは,ポリプの接地真実マスクを用いて,無限個の高忠実度合成ポリプ画像を生成することができる。 以上の結果から,実データと合成データの両方からなるトレーニングデータから,DeepLabv3+から0.7751の最適マイクロイモージョンIOUが得られた。
  論文  参考訳（メタデータ） (2023-04-11T14:11:17Z)
• 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)
• BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
  我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2022-12-07T07:45:50Z)
• PolypConnect: Image inpainting for generating realistic gastrointestinal tract images with polyps [1.7915968197912802]
  下部消化管(GI)におけるポリープの早期同定は,致死性大腸癌の予防につながる可能性がある。 ポリープを検出するCADシステムは、検出精度と効率を改善し、エンドスコピストと呼ばれるドメインの専門家の時間を節約することができる。 本稿では,非ポリプ画像からポリプ画像に変換することにより,トレーニング用データセットのサイズを拡大するPolypConnectパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-05-30T20:20:19Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• Few-Shot Domain Adaptation with Polymorphic Transformers [50.128636842853155]
  1セットの医療画像でトレーニングされたディープニューラルネットワーク(DNN)は、しばしば目に見えないテスト画像に対して深刻なパフォーマンス低下を経験する。 少数のアノテーションで訓練されたモデルを適用するという、ほとんどショットのドメイン適応は、この場合非常に実用的で有用である。 本稿では,任意のDNNバックボーンに組み込んだポリモルフィックトランス (Polymorphic Transformer) を提案する。
  論文  参考訳（メタデータ） (2021-07-10T10:08:57Z)
• CoPE: Conditional image generation using Polynomial Expansions [50.67390290190874]
  入力変数を2つ拡張し,それらの自己相関と相互相関をキャプチャする,copeと呼ばれる汎用フレームワークを導入する。 CoPEは8つのデータセットを含む5つのタスク(クラスジェネレーション、逆問題、エッジ・ツー・イメージ翻訳、イメージ・ツー・イメージ翻訳、属性誘導生成)で評価される。 徹底的な評価は、CoPEが多様な条件生成タスクに取り組むのに役立つことを示唆している。
  論文  参考訳（メタデータ） (2021-04-11T19:02:37Z)
• Colonoscopy Polyp Detection: Domain Adaptation From Medical Report Images to Real-time Videos [76.37907640271806]
  大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。 収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
  論文  参考訳（メタデータ） (2020-12-31T10:33:09Z)

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。