論文の概要: COLON: The largest COlonoscopy LONg sequence public database

• arxiv url: http://arxiv.org/abs/2403.00663v1
• Date: Fri, 1 Mar 2024 16:50:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 16:43:32.651553
• Title: COLON: The largest COlonoscopy LONg sequence public database
• Title（参考訳）: COLON: 最大規模のコロノスコープLONgシークエンスデータベース
• Authors: Lina Ruiz, Franklin Sierra-Jerez, Jair Ruiz, Fabio Martinez
• Abstract要約: この疾患の主要なバイオマーカーであるポリープは、大腸内視鏡検査により検出され、局在し、特徴付けられる。 現在、一般に公開されているポリプデータセットは、非パラメトリックなポリプ形状を特徴づけるための計算戦略の大幅な進歩を可能にしている。 この研究は、約3万個のポリプラベル付きフレームと4万個の背景フレームを持つ、最大のコロノスコープLONgシーケンスデータセットであるCOLONを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Colorectal cancer is the third most aggressive cancer worldwide. Polyps, as the main biomarker of the disease, are detected, localized, and characterized through colonoscopy procedures. Nonetheless, during the examination, up to 25% of polyps are missed, because of challenging conditions (camera movements, lighting changes), and the close similarity of polyps and intestinal folds. Besides, there is a remarked subjectivity and expert dependency to observe and detect abnormal regions along the intestinal tract. Currently, publicly available polyp datasets have allowed significant advances in computational strategies dedicated to characterizing non-parametric polyp shapes. These computational strategies have achieved remarkable scores of up to 90% in segmentation tasks. Nonetheless, these strategies operate on cropped and expert-selected frames that always observe polyps. In consequence, these computational approximations are far from clinical scenarios and real applications, where colonoscopies are redundant on intestinal background with high textural variability. In fact, the polyps typically represent less than 1% of total observations in a complete colonoscopy record. This work introduces COLON: the largest COlonoscopy LONg sequence dataset with around of 30 thousand polyp labeled frames and 400 thousand background frames. The dataset was collected from a total of 30 complete colonoscopies with polyps at different stages, variations in preparation procedures, and some cases the observation of surgical instrumentation. Additionally, 10 full intestinal background video control colonoscopies were integrated in order to achieve a robust polyp-background frame differentiation. The COLON dataset is open to the scientific community to bring new scenarios to propose computational tools dedicated to polyp detection and segmentation over long sequences, being closer to real colonoscopy scenarios.
• Abstract（参考訳）: 大腸癌は世界で3番目に攻撃的ながんである。 この疾患の主要なバイオマーカーであるポリープは、大腸内視鏡検査により検出され、局在し、特徴付けられる。 それにもかかわらず、検査中、ポリープの25%は、困難な状況(カメラの動き、照明の変化)とポリープと腸の折りたたみの密接な類似性のため、欠落している。 また,消化管の異常領域を観察・検出するための主観性と専門的依存性が指摘されている。 現在、一般に入手可能なポリプデータセットは、非パラメトリックポリプ形状を特徴付けるための計算戦略の大幅な進歩を可能にしている。 これらの計算戦略は、最大90%のセグメンテーションタスクの顕著なスコアを達成した。 それでもこれらの戦略は、常にポリプを観察する切り株と専門家が選択したフレームで動作する。 結果として、これらの計算近似は臨床シナリオや実際の応用とはかけ離れたものであり、大腸は、高いテクスチュラル変数を持つ腸内背景において冗長である。 実際、ポリプは一般的に完全な大腸内視鏡記録における全観測の1%以下である。 約3万のポリプのラベル付きフレームと4万の背景フレームからなる、最大の大腸内視鏡の長いシーケンスデータセットです。 このデータセットは, 異なる段階のポリープによる全大腸全摘, 準備手順のバリエーション, 手術器具の観察例から収集した。 また,ポリープ・バックグラウンドのフレーム分化を実現するため,全腸背景ビデオコントロール10本を統合した。 COLONデータセットは科学コミュニティに公開されており、ポリプの検出と長いシーケンス上のセグメンテーションに特化した計算ツールを提案するための新しいシナリオを提供する。

関連論文リスト

• Frontiers in Intelligent Colonoscopy [96.57251132744446]
  本研究は, インテリジェント大腸内視鏡技術のフロンティアと, マルチモーダル医療への応用の可能性について検討する。 大腸内視鏡的シーン知覚のための4つのタスクを通して,現在のデータ中心およびモデル中心のランドスケープを評価した。 今後のマルチモーダル時代を受け入れるために,大規模マルチモーダル・インストラクション・チューニング・データセットColoninST,大腸内視鏡で設計されたマルチモーダル言語モデルColonGPT,マルチモーダル・ベンチマークの3つの基本イニシアティブを構築した。
  論文  参考訳（メタデータ） (2024-10-22T17:57:12Z)
• Consisaug: A Consistency-based Augmentation for Polyp Detection in Endoscopy Image Analysis [3.716941460306804]
  ディープラーニングを活用したデータ強化のための,革新的で効果的な手法であるConsisaugを紹介した。 5つのパブリックなポリプデータセットと3つのバックボーンにConsisaugを実装し,本手法の有効性を示した。
  論文  参考訳（メタデータ） (2024-04-17T13:09:44Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• 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)
• A multi-centre polyp detection and segmentation dataset for generalisability assessment [1.5661270644639687]
  このデータセットは、3762個のアノテートされたポリプラベルを持つ単一フレームとシーケンスデータの両方を含む。 本論文は,データ構築とアノテーション戦略,品質保証,技術検証に関する知見を提供する。
  論文  参考訳（メタデータ） (2021-06-08T15:48:17Z)
• Advances in Artificial Intelligence to Reduce Polyp Miss Rates during Colonoscopy [0.7619404259039283]
  本稿では,polypセグメンテーションの最先端性能を実現する,新しいディープニューラルネットワークアーキテクチャを提案する。 本アルゴリズムは大腸内視鏡検査に応用でき,ポリープの欠落を減らして消化器科医を支援することができる。
  論文  参考訳（メタデータ） (2021-05-16T16:10:32Z)
• Colorectal Polyp Detection in Real-world Scenario: Design and Experiment Study [8.112428008139117]
  大腸ポリープは、大腸癌に発症するリスクが高く、結腸または直腸の内膜に成長する異常な組織です。 本稿では,ポリープ検出の独特な課題に対処する統合システムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-11T17:10:47Z)
• 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)
• Automatic Polyp Segmentation using U-Net-ResNet50 [1.4174475093445236]
  ポリープは大腸癌の前身であり、世界中のがん関連死亡の原因の1つと考えられている。 大腸内視鏡検査では, 形状, サイズ, 周囲の組織類似性の変動により, 大腸ポリープが欠落することが多い。 大腸内視鏡検査において, 自動的, 正確かつ高速なポリープ分割法を用いることで, 多くの大腸ポリープを容易に検出・除去することができる。
  論文  参考訳（メタデータ） (2020-12-30T17:59:18Z)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)

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。