論文の概要: SegCol Challenge: Semantic Segmentation for Tools and Fold Edges in Colonoscopy data

• arxiv url: http://arxiv.org/abs/2412.16078v1
• Date: Fri, 20 Dec 2024 17:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:23:44.903065
• Title: SegCol Challenge: Semantic Segmentation for Tools and Fold Edges in Colonoscopy data
• Title（参考訳）: SegCol Challenge: 内視鏡データにおけるツールとフォールドエッジのセマンティックセグメンテーション
• Authors: Xinwei Ju, Rema Daher, Razvan Caramalau, Baoru Huang, Danail Stoyanov, Francisco Vasconcelos,
• Abstract要約: この課題は、EdoMapperリポジトリからデータセットを導入し、手動で注釈付けされた、大腸フォールドと内視鏡ツール用のピクセルレベルのセマンティックラベルを特徴付ける。 折りたたみエッジを解剖学的ランドマークとして提供し、折りたたみラベルとツールラベルの両方から深度不連続情報を提供することにより、データセットは深度知覚と局所化方法を改善することを目的としている。 SegColは、大腸内視鏡ナビゲーションシステムのイノベーションを促進することを目指している。
• 参考スコア（独自算出の注目度）: 12.592707564032018
• License:
• Abstract: Colorectal cancer (CRC) remains a leading cause of cancer-related deaths worldwide, with polyp removal being an effective early screening method. However, navigating the colon for thorough polyp detection poses significant challenges. To advance camera navigation in colonoscopy, we propose the Semantic Segmentation for Tools and Fold Edges in Colonoscopy (SegCol) Challenge. This challenge introduces a dataset from the EndoMapper repository, featuring manually annotated, pixel-level semantic labels for colon folds and endoscopic tools across selected frames from 96 colonoscopy videos. By providing fold edges as anatomical landmarks and depth discontinuity information from both fold and tool labels, the dataset is aimed to improve depth perception and localization methods. Hosted as part of the Endovis Challenge at MICCAI 2024, SegCol aims to drive innovation in colonoscopy navigation systems. Details are available at https://www.synapse.org/Synapse:syn54124209/wiki/626563, and code resources at https://github.com/surgical-vision/segcol_challenge .
• Abstract（参考訳）: 大腸癌(CRC)は世界中でがん関連死亡の原因となっているが、ポリプ除去は早期スクリーニングの有効な方法である。 しかし、ポリプ検出のために大腸をナビゲートすることは大きな課題となる。 大腸内視鏡検査におけるカメラナビゲーションの推進を目的として,SegCol チャレンジにおけるセマンティック・セグメンテーション(Semantic Segmentation for Tools and Fold Edges)を提案する。 この課題はEdoMapperリポジトリからのデータセットを導入し、96の大腸内視鏡ビデオから選択されたフレームにまたがる、手動で注釈付きピクセルレベルのセマンティックラベルと内視鏡ツールを備えている。 折りたたみエッジを解剖学的ランドマークとして提供し、折りたたみラベルとツールラベルの両方から深度不連続情報を提供することにより、データセットは深度知覚と局所化方法を改善することを目的としている。 MICCAI 2024でEndovis Challengeの一環として開催されているSegColは、大腸内視鏡ナビゲーションシステムのイノベーションを推進することを目的としている。 詳細はhttps://www.synapse.org/Synapse:syn54124209/wiki/626563、コードリソースはhttps://github.com/surgical-vision/segcol_challengeにある。

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)
• AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
  本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。 本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。 その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
  論文  参考訳（メタデータ） (2024-06-12T17:10:27Z)
• REAL-Colon: A dataset for developing real-world AI applications in colonoscopy [1.8590283101866463]
  本稿では,REAL-Colon(Real-world Multi-center Endoscopy Annotated Video Library)データセットを紹介する。 これは60のフル解像度の実際の大腸内視鏡記録から、2.7Mのネイティブビデオフレームで構成されている。 データセットには350kのバウンディングボックスアノテーションが含まれており、それぞれが専門の消化器科医の監督の下で作成されている。
  論文  参考訳（メタデータ） (2024-03-04T16:11:41Z)
• SimCol3D -- 3D Reconstruction during Colonoscopy Challenge [31.01817462784811]
  2022年のEndoVisのサブチャレンジSimCol3Dは、データ駆動深度を促進し、大腸内視鏡で予測する。 合成大腸内視鏡画像からの深度予測は頑健に解けるが, ポーズ推定は未解決の課題である。
  論文  参考訳（メタデータ） (2023-07-20T22:41:23Z)
• Colo-SCRL: Self-Supervised Contrastive Representation Learning for Colonoscopic Video Retrieval [2.868043986903368]
  そこで我々は,Colo-Pairという大規模大腸内視鏡的データセットを構築した。 このデータセットに基づいて、より堅牢な表現学習のために、Colo-SCRLと呼ばれるシンプルで効果的なトレーニング手法を提案する。 マスク付きオートエンコーダをベースとした再構成と運動量コントラストを用いて,大腸の一般的な知識を洗練し,検索性能を向上させることを目的としている。
  論文  参考訳（メタデータ） (2023-03-28T01:27:23Z)
• 1st Place Solution of The Robust Vision Challenge (RVC) 2022 Semantic Segmentation Track [67.56316745239629]
  本報告では,ECCV 2022におけるロバストビジョンチャレンジのセマンティックセグメンテーション課題に対する勝利解について述べる。 本手法では,エンコーダとしてFAN-B-Hybridモデルを採用し,セグメンテーションフレームワークとしてSegformerを使用している。 提案手法は,マルチドメインセグメンテーションタスクの強力なベースラインとして機能し,今後の作業に役立てることができる。
  論文  参考訳（メタデータ） (2022-10-23T20:52:22Z)
• 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)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• 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)
• 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。