論文の概要: Deep Learning for Improved Polyp Detection from Synthetic Narrow-Band Imaging

• arxiv url: http://arxiv.org/abs/2401.13315v1
• Date: Wed, 24 Jan 2024 09:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 15:09:59.299798
• Title: Deep Learning for Improved Polyp Detection from Synthetic Narrow-Band Imaging
• Title（参考訳）: 合成狭帯域イメージングによるポリプ検出の深層学習
• Authors: Mathias Ramm Haugland, Hemin Ali Qadir, Ilangko Balasingham
• Abstract要約: 従来の白色光イメージング(WLI)のための深層学習法が開発されている。 我々は,通常のWLIで撮影された画像から合成NBI(SNBI)に変換するCycleGANベースの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）: 1.9288445804756893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To cope with the growing prevalence of colorectal cancer (CRC), screening programs for polyp detection and removal have proven their usefulness. Colonoscopy is considered the best-performing procedure for CRC screening. To ease the examination, deep learning based methods for automatic polyp detection have been developed for conventional white-light imaging (WLI). Compared with WLI, narrow-band imaging (NBI) can improve polyp classification during colonoscopy but requires special equipment. We propose a CycleGAN-based framework to convert images captured with regular WLI to synthetic NBI (SNBI) as a pre-processing method for improving object detection on WLI when NBI is unavailable. This paper first shows that better results for polyp detection can be achieved on NBI compared to a relatively similar dataset of WLI. Secondly, experimental results demonstrate that our proposed modality translation can achieve improved polyp detection on SNBI images generated from WLI compared to the original WLI. This is because our WLI-to-SNBI translation model can enhance the observation of polyp surface patterns in the generated SNBI images.
• Abstract（参考訳）: 大腸癌(CRC)の進行に対処するため,ポリープ検出および除去のためのスクリーニングプログラムの有用性が証明された。 大腸内視鏡検査はcrcスクリーニングに最適な方法であると考えられた。 検査を容易にするため,従来の白色光イメージング(WLI)のためのディープラーニングによる自動ポリープ検出法を開発した。 WLIと比較して、狭帯域画像(NBI)は大腸内視鏡におけるポリープ分類を改善するが、特別な装置を必要とする。 本稿では,nbiが利用できない場合,wliのオブジェクト検出を改善する前処理として,正規なwliでキャプチャされた画像を合成nbi(snbi)に変換するサイクガンベースのフレームワークを提案する。 本稿では,比較的類似したWLIデータセットと比較して,NBIにおけるポリプ検出の精度が向上することを示す。 第2に,提案したモダリティ変換により,WLIから生成されたSNBI画像のポリプ検出精度が向上することを示した。 これは,WLI-to-SNBI変換モデルが生成したSNBI画像のポリプ表面パターンの観察を促進できるためである。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• 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)
• Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound [65.23740556896654]
  自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。 本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。 この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
  論文  参考訳（メタデータ） (2024-03-12T14:57:57Z)
• 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)
• Toward Clinically Assisted Colorectal Polyp Recognition via Structured Cross-modal Representation Consistency [16.225144477302923]
  殆どのコンピュータ支援診断アルゴリズムは Narrow-Band Imaging (NBI) を用いて大腸ポリープを認識する NBIは通常、この特定の画像の取得には手動でライトモードを切り替える必要があるため、実際の臨床シナリオで利用できないことに悩まされる。 そこで本研究では,構造的クロスモーダル表現の整合性を実現することによって,白-光画像の正確な分類を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T16:51:28Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Exploration of Various Deep Learning Models for Increased Accuracy in Automatic Polyp Detection [62.997667081978825]
  本稿では,大腸内視鏡画像におけるポリプの検出精度が高いディープラーニングモデルとアルゴリズムについて検討する。 畳み込みニューラルネットワーク(CNN)を用いたディープラーニングの研究
  論文  参考訳（メタデータ） (2022-03-04T04:03:41Z)
• 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)
• AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
  本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。 提案手法は既存手法と比較して最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-05-02T06:36:36Z)
• Detecting small polyps using a Dynamic SSD-GAN [8.55168113030381]
  機械学習システムは、大腸内視鏡画像の処理とポリープの検出を訓練することができる。 これらのシステムは、画像の中で視覚的に小さく見えるオブジェクトに対して、性能が良くない傾向にある。 ここでは、単発検出器を領域提案ネットワークとして、逆向きに訓練されたジェネレータと組み合わせて、小さな領域提案を増幅することにより、視覚的に小さなポリープの検出を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2020-10-29T20:54:34Z)
• A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images [12.618653234201089]
  大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。 光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
  論文  参考訳（メタデータ） (2020-08-15T13:55:44Z)

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。