Fugu-MT 論文翻訳(概要): Optimizing Gastrointestinal Diagnostics: A CNN-Based Model for VCE Image Classification

論文の概要: Optimizing Gastrointestinal Diagnostics: A CNN-Based Model for VCE Image Classification

arxiv url: http://arxiv.org/abs/2411.01652v1
Date: Sun, 03 Nov 2024 18:30:37 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 14:43:11.630344
Title: Optimizing Gastrointestinal Diagnostics: A CNN-Based Model for VCE Image Classification
Title（参考訳）: 消化管診断の最適化:VCE画像分類のためのCNNモデル
Authors: Vaneeta Ahlawat, Rohit Sharma, Urush,
Abstract要約: MisaHub Capsule Vision Challengeは、ビデオカプセル内視鏡(VCE)画像からGI異常を自律的に分類できるベンダーに依存しない人工知能モデルの開発を促進する。本報告では, 血管拡張症, 出血, エロージョン, 浮腫, 異物, リンパ管拡張症, ポリープ, 潰瘍, ワームなど10種類の消化管病変の多型分類に特化して設計されたCNNアーキテクチャについて述べる。
参考スコア（独自算出の注目度）: 0.8661073965728217
License:
Abstract: In recent years, the diagnosis of gastrointestinal (GI) diseases has advanced greatly with the advent of high-tech video capsule endoscopy (VCE) technology, which allows for non-invasive observation of the digestive system. The MisaHub Capsule Vision Challenge encourages the development of vendor-independent artificial intelligence models that can autonomously classify GI anomalies from VCE images. This paper presents CNN architecture designed specifically for multiclass classification of ten gut pathologies, including angioectasia, bleeding, erosion, erythema, foreign bodies, lymphangiectasia, polyps, ulcers, and worms as well as their normal state.
Abstract（参考訳）: 近年,消化器疾患(GI)の診断は,消化器系を非侵襲的に観察できる,高度なビデオカプセル内視鏡(VCE)技術の出現とともに大きく進歩している。 MisaHub Capsule Vision Challengeは、ベンダーに依存しない人工知能モデルの開発を促進し、VCEイメージからGI異常を自律的に分類する。本報告では, 血管拡張症, 出血, エロージョン, 浮腫, 異物, リンパ管拡張症, ポリープ, 潰瘍, ワームなど10種類の消化管病変の多型分類に特化して設計されたCNNアーキテクチャについて述べる。

関連論文リスト

CapsuleNet: A Deep Learning Model To Classify GI Diseases Using EfficientNet-b7 [1.2499537119440245]
Capsule Vision 2024 Challengeのために開発された深層学習モデルであるCapsuleNetについて述べる。我々のモデルは、事前訓練されたEfficientNet-b7バックボーンを活用し、分類のための追加レイヤを調整し、PRELUアクティベーション関数で最適化する。以上の結果から,CapsuleNetのようなCNNベースのモデルでは,特に推定時間が重要な因子である場合,GIトラクション病の分類に有効な解が得られることが示唆された。
論文参考訳（メタデータ） (2024-10-24T20:43:47Z)
Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文参考訳（メタデータ） (2024-07-08T09:08:42Z)
Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文参考訳（メタデータ） (2024-03-19T09:28:19Z)
Semantic Map Guided Synthesis of Wireless Capsule Endoscopy Images using Diffusion Models [4.187344935012482]
ワイヤレスカプセル内視鏡(Wireless capsule endoscopy, WCE)は、消化管(GI)を可視化するための非侵襲的方法である。本稿では,様々なWCE画像を生成するために生成モデル,特に拡散モデル(DM)を活用する新しいアプローチを提案する。我々のモデルは、可視化スケール(VS)エンジンによるセマンティックマップを導入し、生成した画像の可制御性と多様性を向上させる。
論文参考訳（メタデータ） (2023-11-10T06:16:44Z)
Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for Multimodal Medical Diagnosis [59.35504779947686]
GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。評価対象は17の人体システムである。 GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。疾患の診断と包括的報告作成において重大な課題に直面している。
論文参考訳（メタデータ） (2023-10-15T18:32:27Z)
GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection [6.231109933741383]
本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。経験豊富なGI内科医によって注釈され、検証された。我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
論文参考訳（メタデータ） (2023-07-16T19:36:03Z)
UGCANet: A Unified Global Context-Aware Transformer-based Network with Feature Alignment for Endoscopic Image Analysis [0.0]
本稿では,複数のタスクを同時に実行するように設計されたトランスフォーマーに基づく新しいディープニューラルネットワークを提案する。提案するグローバルなコンテキスト認識モジュールは,機能アライメントブロックとともに強力なMiTバックボーンを活用することで,ネットワークの表現能力を向上する。
論文参考訳（メタデータ） (2023-07-12T16:01:56Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
Interpretable Automated Diagnosis of Retinal Disease using Deep OCT Analysis [7.005458308454871]
我々は,OCTスキャンの正確な分類のためのCNNベースモデルを開発した。我々は、モデルの判断に関する質的および定量的な説明の両方を作成することに重点を置いている。私たちの仕事は、モデルの決定について、初めて詳細な説明をしました。
論文参考訳（メタデータ） (2021-09-03T17:59:34Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文参考訳（メタデータ） (2021-04-06T02:01:43Z)

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。