Fugu-MT 論文翻訳(概要): Self-Supervised Polyp Re-Identification in Colonoscopy

論文の概要: Self-Supervised Polyp Re-Identification in Colonoscopy

arxiv url: http://arxiv.org/abs/2306.08591v1
Date: Wed, 14 Jun 2023 15:53:54 GMT
ステータス: 処理完了
システム内更新日: 2023-06-16 18:18:15.797847
Title: Self-Supervised Polyp Re-Identification in Colonoscopy
Title（参考訳）: 大腸内視鏡における自己監督ポリープ再同定
Authors: Yotam Intrator, Natalie Aizenberg, Amir Livne, Ehud Rivlin, Roman Goldenberg
Abstract要約: 視覚的外観による再同定に基づく頑健な長期ポリープ追跡手法を提案する。我々のソリューションは、ビデオ入力の時間的特性を活用するために特別に設計されたアテンションベースの自己教師型MLモデルを使用する。
参考スコア（独自算出の注目度）: 1.9678816712224196
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Computer-aided polyp detection (CADe) is becoming a standard, integral part of any modern colonoscopy system. A typical colonoscopy CADe detects a polyp in a single frame and does not track it through the video sequence. Yet, many downstream tasks including polyp characterization (CADx), quality metrics, automatic reporting, require aggregating polyp data from multiple frames. In this work we propose a robust long term polyp tracking method based on re-identification by visual appearance. Our solution uses an attention-based self-supervised ML model, specifically designed to leverage the temporal nature of video input. We quantitatively evaluate method's performance and demonstrate its value for the CADx task.
Abstract（参考訳）: コンピュータ支援ポリープ検出(CADe)は, 現代の大腸内視鏡システムにおいて, 標準的かつ重要な部分となっている。典型的な大腸内視鏡CADeは、単一のフレーム内のポリプを検出し、ビデオシーケンスを通して追跡しない。しかし、polyp characterization (cadx)、quality metrics、automatic reportingを含む多くの下流タスクでは、複数のフレームからポリpデータを集約する必要がある。本研究では,視覚的外観による再同定に基づく堅牢な長期ポリープ追跡手法を提案する。本ソリューションは,ビデオ入力の時間的性質を活用した注意に基づく自己教師付きmlモデルを用いる。提案手法の性能を定量的に評価し,CADxタスクの価値を示す。

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)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
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)
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)
Contrastive Transformer-based Multiple Instance Learning for Weakly Supervised Polyp Frame Detection [30.51410140271929]
現在の大腸内視鏡ビデオからのポリープ検出法では、正常な(健康な)訓練画像のみを使用する。我々は,ビデオレベルのラベル付き学習データを用いてフレームレベルのポリプを検出する弱教師付き異常検出タスクとして,ポリプ検出を定式化する。
論文参考訳（メタデータ） (2022-03-23T01:30:48Z)
Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
論文参考訳（メタデータ） (2022-03-07T10:36:38Z)
Colonoscopy polyp detection with massive endoscopic images [4.458670612147842]
我々は、異なるデータセットで検証された平均精度を向上し、既存のエンドツーエンドのポリプ検出モデルを改善した。我々のモデルは、リアルタイム検出速度を維持しつつ、最先端のポリプ検出性能を実現することができる。
論文参考訳（メタデータ） (2022-02-17T16:07:59Z)
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)
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)
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。