論文の概要: Capsule Vision 2024 Challenge: Multi-Class Abnormality Classification for Video Capsule Endoscopy

• arxiv url: http://arxiv.org/abs/2408.04940v2
• Date: Sun, 24 Nov 2024 16:33:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:15:26.761471
• Title: Capsule Vision 2024 Challenge: Multi-Class Abnormality Classification for Video Capsule Endoscopy
• Title（参考訳）: カプセルビジョン2024チャレンジ:ビデオカプセル内視鏡における複数クラス異常分類
• Authors: Palak Handa, Amirreza Mahbod, Florian Schwarzhans, Ramona Woitek, Nidhi Goel, Manas Dhir, Deepti Chhabra, Shreshtha Jha, Pallavi Sharma, Vijay Thakur, Deepak Gunjan, Jagadeesh Kakarla, Balasubramanian Raman,
• Abstract要約: 本稿では,ビデオカプセル内視鏡におけるカプセルビジョン2024チャレンジ:マルチクラス異常分類について紹介する。 事実上、医学画像分析人工知能研究センター(MIAAI)、ドナウ私立大学医学部、オーストリアのクレムス、MISAHUBによって組織された。 この文書は、登録プロセス、ルール、提出フォーマット、使用されるデータセットの説明、資格付きチームのランキング、すべてのチーム説明、オーガナイザが報告したベンチマーク結果など、課題の概要を提供する。
• 参考スコア（独自算出の注目度）: 7.006369753077189
• License:
• Abstract: We present the Capsule Vision 2024 Challenge: Multi-Class Abnormality Classification for Video Capsule Endoscopy. It was virtually organized by the Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI), Department of Medicine, Danube Private University, Krems, Austria, and Medical Imaging and Signal Analysis Hub (MISAHUB) in collaboration with the 9th International Conference on Computer Vision & Image Processing (CVIP 2024) being organized by the Indian Institute of Information Technology, Design and Manufacturing (IIITDM) Kancheepuram, Chennai, India. This document provides an overview of the challenge, including the registration process, rules, submission format, description of the datasets used, qualified team rankings, all team descriptions, and the benchmarking results reported by the organizers.
• Abstract（参考訳）: 本稿では,ビデオカプセル内視鏡におけるカプセルビジョン2024チャレンジ:マルチクラス異常分類について紹介する。 医学画像分析人工知能研究センター(MIAAI)、ドナウ私立大学医学部、オーストリアのクレムズ・アンド・メディカルイメージング・シグナル分析ハブ(MISAHUB)によって事実上組織され、第9回コンピュータビジョン・画像処理国際会議(CVIP 2024)と共同で、インドのチェンナイにあるインド情報技術・デザイン・マニュファクチャリング研究所(IIITDM)Kancheepuramによって組織された。 この文書は、登録プロセス、ルール、提出フォーマット、使用されるデータセットの説明、資格付きチームのランキング、すべてのチーム説明、オーガナイザが報告したベンチマーク結果など、課題の概要を提供する。

関連論文リスト

• AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
  本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。 参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
  論文  参考訳（メタデータ） (2024-09-23T08:59:22Z)
• AIS 2024 Challenge on Video Quality Assessment of User-Generated Content: Methods and Results [140.47245070508353]
  本稿では,ユーザ生成コンテンツ(UGC)に着目したAIS 2024ビデオ品質アセスメント(VQA)チャレンジについてレビューする。 この課題の目的は、ビデオの知覚品質を推定できるディープラーニングベースの手法を収集することである。 YouTubeデータセットから生成されたビデオには、さまざまなコンテンツ(スポーツ、ゲーム、歌詞、アニメなど)、品質、解像度が含まれている。
  論文  参考訳（メタデータ） (2024-04-24T21:02:14Z)
• NTIRE 2024 Challenge on Short-form UGC Video Quality Assessment: Methods and Results [216.73187673659675]
  NTIRE 2024 Challenge on Shortform Video Quality Assessment (S-UGC VQA) をレビューする。 KVQデータベースはトレーニング用2926本、検証用420本、テスト用854本を含む3つのパートに分けられる。 目的は、新しいベンチマークを構築し、S-UGC VQAの開発を進めることである。
  論文  参考訳（メタデータ） (2024-04-17T12:26:13Z)
• Domain adaptation, Explainability & Fairness in AI for Medical Image Analysis: Diagnosis of COVID-19 based on 3-D Chest CT-scans [19.84888289470376]
  本稿では,DeF-AI-MIA COV19Dコンペティションを紹介する。 コンペティションはICCV 2021、ECCV 2022、ICASSP 2023の3つのコンペティションに続くシリーズ第4位である。 本論文では, チャレンジで使用するベースラインモデルと, 得られた性能について述べる。
  論文  参考訳（メタデータ） (2024-03-04T16:31:58Z)
• The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT [50.41526598153698]
  本稿では,2021 Kidney and Kidney tumor Challenge (KiTS21)の挑戦報告について述べる。 KiTS21は2019年に発売された最初のエディションの続編であり、チャレンジの設計方法に様々な革新が加えられている。 トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスに近いことが示されています。
  論文  参考訳（メタデータ） (2023-07-05T02:00:14Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• ITTC @ TREC 2021 Clinical Trials Track [54.141379782822206]
  本課題は、患者の入院ノートの要約を構成するトピックに有効な臨床試験を適合させる問題に焦点を当てる。 NLP手法を用いて試行とトピックの表現方法を探索し、共通の検索モデルを用いて各トピックに関連するトライアルのランク付けリストを生成する。 提案されたすべての実行の結果は、すべてのトピックの中央値よりもはるかに上回っていますが、改善の余地はたくさんあります。
  論文  参考訳（メタデータ） (2022-02-16T04:56:47Z)
• ERS: a novel comprehensive endoscopy image dataset for machine learning, compliant with the MST 3.0 specification [0.0]
  本論文は, フレキシブル内視鏡, 大腸内視鏡, カプセル内視鏡を用いた多ラベル包括的画像データセットであるERSについて述べる。 データセットには、内視鏡ビデオから約6000、約115,000のラベル付きフレーム、正確には22600の近似セグメンテーションマスク、フレキシブルとカプセルの内視鏡ビデオから123万のラベル付きフレームが含まれている。
  論文  参考訳（メタデータ） (2022-01-21T15:39:45Z)
• Denmark's Participation in the Search Engine TREC COVID-19 Challenge: Lessons Learned about Searching for Precise Biomedical Scientific Information on COVID-19 [22.96824848167245]
  コペンハーゲン大学とアルボーグ大学は2020年のTREC-COVID Challengeに参加した。 競争の目的は、新型コロナウイルスの正確な生医学的な情報を取得するための検索エンジン戦略を見つけることであった。
  論文  参考訳（メタデータ） (2020-11-25T12:30:38Z)
• Heidelberg Colorectal Data Set for Surgical Data Science in the Sensor Operating Room [1.6276355161958829]
  本稿では,Heidelberg Colorectal (HeiCo) データセットについて紹介する。 3種類の腹腔鏡下手術のために,手術室の医療機器から採取した30種類の腹腔鏡ビデオとそれに対応するセンサーデータからなる。
  論文  参考訳（メタデータ） (2020-05-07T14:04:29Z)

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。

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。