Fugu-MT 論文翻訳(概要): INDEXITY: a web-based collaborative tool for medical video annotation

論文の概要: INDEXITY: a web-based collaborative tool for medical video annotation

arxiv url: http://arxiv.org/abs/2306.14780v1
Date: Mon, 26 Jun 2023 15:40:15 GMT
ステータス: 処理完了
システム内更新日: 2023-06-27 12:57:16.579739
Title: INDEXITY: a web-based collaborative tool for medical video annotation
Title（参考訳）: INDEXITY:医療ビデオアノテーションのためのウェブベースの協調ツール
Authors: Jean-Paul Mazellier, M\'eline Bour-Lang, Sabrina Bourouis, Johan Moreau, Aimable Muzuri, Olivier Schweitzer, Aslan Vatsaev, Julien Waechter, Emilie Wernert, Frederic Woelffel, Alexandre Hostettler, Nicolas Padoy, Flavien Bridault
Abstract要約: Indexity 1.4.0は、外科的データサイエンスプロジェクトにおける医療ビデオアノテーションのために設計されたウェブベースのツールである。ビデオ,アノテーション,オントロジー,ユーザ,さらにはグローバルソフトウェアアーキテクチャを管理する上で利用可能な主要な機能について説明する。
参考スコア（独自算出の注目度）: 45.43094723657902
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This technical report presents Indexity 1.4.0, a web-based tool designed for medical video annotation in surgical data science projects. We describe the main features available for the management of videos, annotations, ontology and users, as well as the global software architecture.
Abstract（参考訳）: indexity 1.4.0は外科データサイエンスプロジェクトでの医用ビデオアノテーション用に設計されたwebベースのツールである。我々は,ビデオ,アノテーション,オントロジ,ユーザ,およびグローバルソフトウェアアーキテクチャの管理に利用可能な主な機能について説明する。

関連論文リスト

MOSaiC: a Web-based Platform for Collaborative Medical Video Assessment and Annotation [3.1106491489024437]
MOSaiCは、医療ビデオのアノテーションと評価のために設計されたウェブベースの協調プラットフォームである。 MosaiCは、ビデオベースのアセスメントを促進し、外科的データサイエンスプロジェクトを促進するために設計された。
論文参考訳（メタデータ） (2023-12-14T01:30:41Z)
Digital Histopathology with Graph Neural Networks: Concepts and Explanations for Clinicians [54.136225756724755]
GCExplainerとLogic Explained Networksを用いて,グラフニューラルネットワークのグローバルな説明を行う。乳がんのH&Eスライドのトレーニングにより、臨床医に説明可能な信頼できるAIツールを提供することで、有望な結果を示す。
論文参考訳（メタデータ） (2023-12-04T00:20:50Z)
Video-Bench: A Comprehensive Benchmark and Toolkit for Evaluating Video-based Large Language Models [81.84810348214113]
ビデオベースの大規模言語モデル(Video-LLMs)が最近導入され、認識と理解の基本的な改善と多様なユーザからの問い合わせの両方をターゲットにしている。このようなモデルの開発を導くため、堅牢で包括的な評価システムの構築が重要となる。本稿では,ビデオLLMの評価に特化して設計されたツールキットとともに,新しい総合的なベンチマークであるtextitVideo-Benchを提案する。
論文参考訳（メタデータ） (2023-11-27T18:59:58Z)
Dynamic Scene Graph Representation for Surgical Video [37.22552586793163]
我々は、シーングラフを、より包括的で意味があり、人間の読みやすい方法で、手術ビデオを表現するために活用する。 CaDISとCATARACTSのセマンティックセグメンテーションからシーングラフデータセットを作成する。モデル決定の妥当性と堅牢性について,手術シーングラフの利点を実証する。
論文参考訳（メタデータ） (2023-09-25T21:28:14Z)
Video-Instrument Synergistic Network for Referring Video Instrument Segmentation in Robotic Surgery [29.72271827272853]
本研究は,手術用ビデオ機器(RSVIS)の新たな課題を探求する。与えられた言語表現に基づいて対応する手術器具を自動的に識別・分節することを目的としている。我々は,ビデオレベルと楽器レベルの両方の知識を学習し,性能を向上させるために,ビデオ機器合成ネットワーク(VIS-Net)を考案した。
論文参考訳（メタデータ） (2023-08-18T11:24:06Z)
HistoColAi: An Open-Source Web Platform for Collaborative Digital Histology Image Annotation with AI-Driven Predictive Integration [1.5291251918989404]
デジタル病理は、その多くの利点により、病理ワークフローの標準となっている。深層学習に基づく画像解析手法の最近の進歩は、デジタル病理学の潜在的助けとなる。本稿では,デジタル化された組織像を視覚化・注釈するツールを効率的に提供するWebサービスを提案する。
論文参考訳（メタデータ） (2023-07-11T10:41:09Z)
A Unified Review of Deep Learning for Automated Medical Coding [12.720016900175462]
本稿では,医療用符号化モデルの構成要素を汎用的に理解するための統一的な枠組みを提案する。本フレームワークは, テキスト特徴抽出のためのエンコーダモジュール, 隠蔽表現を医療コードに変換するデコーダモジュール, 補助情報の利用の4つの主要コンポーネントに分解する。
論文参考訳（メタデータ） (2022-01-08T09:37:23Z)
A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
論文参考訳（メタデータ） (2021-07-02T15:51:07Z)
Multimodal Semantic Scene Graphs for Holistic Modeling of Surgical Procedures [70.69948035469467]
カメラビューから3Dグラフを生成するための最新のコンピュータビジョン手法を利用する。次に,手術手順の象徴的,意味的表現を統一することを目的としたマルチモーダルセマンティックグラフシーン(MSSG)を紹介する。
論文参考訳（メタデータ） (2021-06-09T14:35:44Z)
Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
論文参考訳（メタデータ） (2020-04-10T17:12:29Z)

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。