Fugu-MT 論文翻訳(概要): MOSaiC: a Web-based Platform for Collaborative Medical Video Assessment and Annotation

論文の概要: MOSaiC: a Web-based Platform for Collaborative Medical Video Assessment and Annotation

arxiv url: http://arxiv.org/abs/2312.08593v1
Date: Thu, 14 Dec 2023 01:30:41 GMT
ステータス: 処理完了
システム内更新日: 2023-12-16 00:22:04.675797
Title: MOSaiC: a Web-based Platform for Collaborative Medical Video Assessment and Annotation
Title（参考訳）: MOSaiC: 共同医療ビデオアセスメントとアノテーションのためのWebプラットフォーム
Authors: Jean-Paul Mazellier, Antoine Boujon, M\'eline Bour-Lang, Ma\"el Erharhd, Julien Waechter, Emilie Wernert, Pietro Mascagni, Nicolas Padoy
Abstract要約: 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。
参考スコア（独自算出の注目度）: 3.1106491489024437
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This technical report presents MOSaiC 3.6.2, a web-based collaborative platform designed for the annotation and evaluation of medical videos. MOSaiC is engineered to facilitate video-based assessment and accelerate surgical data science projects. We provide an overview of MOSaiC's key functionalities, encompassing group and video management, annotation tools, ontologies, assessment capabilities, and user administration. Finally, we briefly describe several medical data science studies where MOSaiC has been instrumental in the dataset development.
Abstract（参考訳）: MOSaiC 3.6.2は医用ビデオのアノテーションと評価を目的としたWeb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。本稿では,モザイクの重要な機能,グループおよびビデオ管理,アノテーションツール,オントロジー,評価機能,ユーザ管理について概説する。最後に、MOSaiCがデータセット開発に役立ったいくつかの医学データ科学研究について概説する。

関連論文リスト

A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。本稿では,MVLMの概要と適用した各種医療課題について概観する。また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文参考訳（メタデータ） (2024-11-19T03:27:05Z)
YouTube Video Analytics for Patient Engagement: Evidence from Colonoscopy Preparation Videos [3.7941428390253193]
本研究は,YouTubeビデオから医療情報を検索する手法を用いたデータ分析パイプラインを実証する。まず、YouTube Data APIを使用して、検索キーワードの検索に望ましいビデオのメタデータを収集します。次に、医療情報、ビデオの可視性、全体的なレコメンデーションについて、YouTubeのビデオ資料に注釈を付ける。
論文参考訳（メタデータ） (2024-10-01T19:38:46Z)
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)
INDEXITY: a web-based collaborative tool for medical video annotation [45.43094723657902]
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。
論文参考訳（メタデータ） (2023-06-26T15:40:15Z)
Understanding the Tricks of Deep Learning in Medical Image Segmentation: Challenges and Future Directions [66.40971096248946]
本稿では,モデル実装の異なるフェーズに対して,MedISegの一連のトリックを収集する。本稿では,これらの手法の有効性を一貫したベースライン上で実験的に検討する。私たちはまた、それぞれのコンポーネントがプラグインとプレイの利点を持つ強力なMedISegリポジトリをオープンソースにしました。
論文参考訳（メタデータ） (2022-09-21T12:30:05Z)
A Dataset for Medical Instructional Video Classification and Question Answering [16.748852458926162]
本稿では,医療ビデオの理解を支援するシステム設計に向けた新たな課題とデータセットについて紹介する。医療ビデオは多くの救急、救急、医療教育に関する質問に対して、可能な限りの回答を提供するだろうと信じています。我々は,MedVidCLとMedVidQAデータセットを用いて各タスクをベンチマークし,マルチモーダル学習手法を提案する。
論文参考訳（メタデータ） (2022-01-30T18:06:31Z)
PIMIP: An Open Source Platform for Pathology Information Management and Integration [4.6242686927494026]
デジタル病理学は、医療分野における人工知能の発展において重要な役割を担っている。デジタル病理セクションの管理と分析を支援するオープンで普遍的なデジタル病理プラットフォームはいまだに存在しない。 PIMIPは,デジタル病理領域の可視化に基づく画像アノテーション機能を開発した。
論文参考訳（メタデータ） (2021-11-09T10:00:59Z)
MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。 MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文参考訳（メタデータ） (2021-09-29T18:09:41Z)
Video Summarization Using Deep Neural Networks: A Survey [72.98424352264904]
ビデオ要約技術は、ビデオコンテンツの最も有益な部分を選択して、簡潔で完全なシノプシスを作成することを目指しています。本研究は,この領域における最近の進歩に着目し,既存の深層学習に基づく総括的映像要約手法の包括的調査を行う。
論文参考訳（メタデータ） (2021-01-15T11:41:29Z)
Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。トレーニングモデルに複数のインスタンス学習スキームを利用する。提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文参考訳（メタデータ） (2020-04-10T13:12:47Z)

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。