論文の概要: Towards Polyp Counting In Full-Procedure Colonoscopy Videos
- arxiv url: http://arxiv.org/abs/2502.10054v1
- Date: Fri, 14 Feb 2025 10:02:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-17 14:45:53.966631
- Title: Towards Polyp Counting In Full-Procedure Colonoscopy Videos
- Title(参考訳): 本格的な大腸内視鏡画像におけるポリープ計数に向けて
- Authors: Luca Parolari, Andrea Cherubini, Lamberto Ballan, Carlo Biffi,
- Abstract要約: 大きな課題は、フルプロデュール大腸内視鏡ビデオにおけるポリープ・トラックレットの自動識別、追跡、再結合(ReID)である。
本研究では,フルプロデューサビデオを提供する最初のオープンアクセスデータセットであるREAL-Colonデータセットを活用する。
我々は以前提案したポリプトラックレットの表現を学習するためのSimCLRベースの手法を再実装した。
提案手法は,REAL-Colonデータセットにおいて,ポリプフラグメンテーション率6.30と偽陽性率(FPR)を5%以下とした最先端性能を実現する。
- 参考スコア(独自算出の注目度): 5.7522869823664005
- License:
- Abstract: Automated colonoscopy reporting holds great potential for enhancing quality control and improving cost-effectiveness of colonoscopy procedures. A major challenge lies in the automated identification, tracking, and re-association (ReID) of polyps tracklets across full-procedure colonoscopy videos. This is essential for precise polyp counting and enables automated computation of key quality metrics, such as Adenoma Detection Rate (ADR) and Polyps Per Colonoscopy (PPC). However, polyp ReID is challenging due to variations in polyp appearance, frequent disappearance from the field of view, and occlusions. In this work, we leverage the REAL-Colon dataset, the first open-access dataset providing full-procedure videos, to define tasks, data splits and metrics for the problem of automatically count polyps in full-procedure videos, establishing an open-access framework. We re-implement previously proposed SimCLR-based methods for learning representations of polyp tracklets, both single-frame and multi-view, and adapt them to the polyp counting task. We then propose an Affinity Propagation-based clustering method to further improve ReID based on these learned representations, ultimately enhancing polyp counting. Our approach achieves state-of-the-art performance, with a polyp fragmentation rate of 6.30 and a false positive rate (FPR) below 5% on the REAL-Colon dataset. We release code at https://github.com/lparolari/towards-polyp-counting.
- Abstract(参考訳): 自動大腸内視鏡検査は, 品質管理の強化, 大腸内視鏡手術の費用対効果向上に大きな可能性を秘めている。
大きな課題は、フルプロデュール大腸内視鏡ビデオにおけるポリープ・トラックレットの自動識別、追跡、再結合(ReID)である。
これは正確なポリープカウントに必須であり、Adenoma Detection Rate(ADR)やPolyps Per Colonoscopy(PPC)といったキー品質メトリクスの自動計算を可能にする。
しかし、ポリプReIDは、ポリプの出現のばらつき、視野からの頻繁な消失、閉塞により困難である。
本研究では,REAL-Colonデータセットを活用し,フルプロシージャビデオにポリープを自動的にカウントする問題に対するタスク,データ分割,メトリクスを定義し,オープンアクセスフレームワークを確立する。
我々は,以前提案したSimCLRに基づく,シングルフレームとマルチビューの両方のpolypトラックレットの表現を学習し,それらをpolypカウントタスクに適応させる手法を再実装した。
次に,アフィニティ・プロパゲーションに基づくクラスタリング手法を提案する。
提案手法は,REAL-Colonデータセットにおいて,ポリプフラグメンテーション率6.30と偽陽性率(FPR)を5%以下とした最先端性能を実現する。
私たちはhttps://github.com/lparolari/towards-polyp-counting.comでコードをリリースします。
関連論文リスト
- SSTFB: Leveraging self-supervised pretext learning and temporal self-attention with feature branching for real-time video polyp segmentation [4.027361638728112]
本稿では,自己教師型学習を補助課題として行うビデオポリープセグメンテーション手法と,表現学習を改善するための空間的時間的自己認識機構を提案する。
実験により, 現状技術(SOTA)法の改良が示された。
本研究は,Diceの類似度係数と交叉結合度の両方において,ネットワークの精度が3%以上,10%近く向上することが確認された。
論文 参考訳(メタデータ) (2024-06-14T17:33:11Z) - 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) - COLON: The largest COlonoscopy LONg sequence public database [0.0]
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。
論文 参考訳(メタデータ) (2024-03-01T16:50:16Z) - 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) - Self-Supervised Polyp Re-Identification in Colonoscopy [1.9678816712224196]
視覚的外観による再同定に基づく頑健な長期ポリープ追跡手法を提案する。
我々のソリューションは、ビデオ入力の時間的特性を活用するために特別に設計されたアテンションベースの自己教師型MLモデルを使用する。
論文 参考訳(メタデータ) (2023-06-14T15:53:54Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - 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) - 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) - 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。