論文の概要: Can Adversarial Networks Make Uninformative Colonoscopy Video Frames Clinically Informative?

• arxiv url: http://arxiv.org/abs/2304.02152v1
• Date: Tue, 4 Apr 2023 22:58:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 13:55:27.529920
• Title: Can Adversarial Networks Make Uninformative Colonoscopy Video Frames Clinically Informative?
• Title（参考訳）: 逆行性ネットワークは臨床的に有意義な大腸内視鏡ビデオフレームを作ることができるか?
• Authors: Vanshali Sharma, M.K. Bhuyan, Pradip K. Das
• Abstract要約: ゴーストカラー、インターレース、動きのぼけは、大腸内視鏡で取得した画像から大腸癌を診断するのを妨げる。 本稿では,不定形フレームを臨床的に関連付けられたフレームに変換するための逆ネットワークベースのフレームワークを提案する。 予備結果は、エレガントな質的結果とともに検出性能の向上を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various artifacts, such as ghost colors, interlacing, and motion blur, hinder diagnosing colorectal cancer (CRC) from videos acquired during colonoscopy. The frames containing these artifacts are called uninformative frames and are present in large proportions in colonoscopy videos. To alleviate the impact of artifacts, we propose an adversarial network based framework to convert uninformative frames to clinically relevant frames. We examine the effectiveness of the proposed approach by evaluating the translated frames for polyp detection using YOLOv5. Preliminary results present improved detection performance along with elegant qualitative outcomes. We also examine the failure cases to determine the directions for future work.
• Abstract（参考訳）: ゴーストカラー,インターレース,モーションボケなどのさまざまなアーティファクトは,大腸内視鏡検査中に取得したビデオから大腸癌(crc)の診断を妨げている。 これらのアーティファクトを含むフレームは非形成フレームと呼ばれ、大腸内視鏡ビデオに多く存在する。 人工物の影響を軽減するため,不定形フレームを臨床的に関連付けられたフレームに変換するための逆ネットワークベースのフレームワークを提案する。 YOLOv5を用いたポリプ検出のための翻訳フレームの評価により,提案手法の有効性を検討した。 予備結果は、エレガントな質的結果とともに検出性能の向上を示す。 また,今後の作業の方向性を決定するための障害事例についても検討する。

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)
• YONA: You Only Need One Adjacent Reference-frame for Accurate and Fast Video Polyp Detection [80.68520401539979]
  textbfYONA (textbfYou textbfOnly textbfNeed one textbfAdjacent Reference-frame)は、ビデオポリープ検出のための効率的なエンドツーエンドのトレーニングフレームワークである。 提案したYONAは,従来の最先端の競合他社よりも精度と速度の両面で優れています。
  論文  参考訳（メタデータ） (2023-06-06T13:53:15Z)
• Colo-SCRL: Self-Supervised Contrastive Representation Learning for Colonoscopic Video Retrieval [2.868043986903368]
  そこで我々は,Colo-Pairという大規模大腸内視鏡的データセットを構築した。 このデータセットに基づいて、より堅牢な表現学習のために、Colo-SCRLと呼ばれるシンプルで効果的なトレーニング手法を提案する。 マスク付きオートエンコーダをベースとした再構成と運動量コントラストを用いて,大腸の一般的な知識を洗練し,検索性能を向上させることを目的としている。
  論文  参考訳（メタデータ） (2023-03-28T01:27:23Z)
• Colorectal Polyp Classification from White-light Colonoscopy Images via Domain Alignment [57.419727894848485]
  大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。 これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。 正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-05T09:31:46Z)
• Motion-blurred Video Interpolation and Extrapolation [72.3254384191509]
  本稿では,映像から鮮明なフレームをエンドツーエンドに切り離し,補間し,外挿する新しい枠組みを提案する。 予測フレーム間の時間的コヒーレンスを確保し,潜在的な時間的あいまいさに対処するために,単純で効果的なフローベースルールを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:18:25Z)
• Detecting, Localising and Classifying Polyps from Colonoscopy Videos using Deep Learning [17.441138604295364]
  大腸内視鏡映像からポリプを自動検出、局在化、分類できるシステムを提案し、解析します。 ポリープを用いたフレームの検出は, 数発異常分類問題として定式化されている。 分類結果の信頼性と解釈性を向上させるために不確実性推定と分類校正を用いる。
  論文  参考訳（メタデータ） (2021-01-09T04:25:34Z)
• 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)
• Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
  ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。 本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:48:28Z)
• BBAND Index: A No-Reference Banding Artifact Predictor [55.42929350861115]
  バンディングアーティファクト(英: Banding artifact)または偽コントゥーリング(英: false contouring)は、一般的なビデオ圧縮障害である。 本稿では,Blind BANding Detector (BBAND index) と呼ばれる,歪み特異的な非参照ビデオ品質モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-27T03:05:26Z)

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。