論文の概要: White Light Specular Reflection Data Augmentation for Deep Learning Polyp Detection

• arxiv url: http://arxiv.org/abs/2505.05248v1
• Date: Thu, 08 May 2025 13:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.905511
• Title: White Light Specular Reflection Data Augmentation for Deep Learning Polyp Detection
• Title（参考訳）: 深層学習ポリープ検出のための白色光反射データ拡張
• Authors: Jose Angel Nuñez, Fabian Vazquez, Diego Adame, Xiaoyan Fu, Pengfei Gu, Bin Fu,
• Abstract要約: 我々は、より難しいトレーニングシナリオを作成するために、より白い反射を人工的に追加する新しいデータ拡張手法を提案する。 実験結果から,新たなデータ拡張手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 4.337964401336072
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colorectal cancer is one of the deadliest cancers today, but it can be prevented through early detection of malignant polyps in the colon, primarily via colonoscopies. While this method has saved many lives, human error remains a significant challenge, as missing a polyp could have fatal consequences for the patient. Deep learning (DL) polyp detectors offer a promising solution. However, existing DL polyp detectors often mistake white light reflections from the endoscope for polyps, which can lead to false positives.To address this challenge, in this paper, we propose a novel data augmentation approach that artificially adds more white light reflections to create harder training scenarios. Specifically, we first generate a bank of artificial lights using the training dataset. Then we find the regions of the training images that we should not add these artificial lights on. Finally, we propose a sliding window method to add the artificial light to the areas that fit of the training images, resulting in augmented images. By providing the model with more opportunities to make mistakes, we hypothesize that it will also have more chances to learn from those mistakes, ultimately improving its performance in polyp detection. Experimental results demonstrate the effectiveness of our new data augmentation method.
• Abstract（参考訳）: 大腸癌は今日最も致命的ながんの1つであるが、大腸で悪性ポリープを早期に検出することで予防できる。 この方法は多くの命を救ったが、ポリープの欠如は患者にとって致命的な結果をもたらす可能性があるため、人間のエラーは依然として重大な課題である。 ディープラーニング(DL)ポリプ検出器は有望な解決策を提供する。 しかし,既存のDLポリプ検出器は内視鏡からの白色光反射を誤認することが多く,これは誤認を招きかねない。本稿では,より複雑なトレーニングシナリオを構築するために,より白い光反射を人工的に付加する新たなデータ拡張手法を提案する。 具体的には,まず,トレーニングデータセットを用いて人工照明のバンクを生成する。 そして、これらの人工的な照明を付けてはいけない訓練画像の領域を見つけます。 最後に、トレーニング画像に適合する領域に人工光を加えるためのスライドウインドウ手法を提案する。 ミスを犯す機会をモデルに提供することで、これらのミスから学ぶ機会も増え、最終的にポリープ検出のパフォーマンスが向上する、という仮説を立てています。 実験結果から,新たなデータ拡張手法の有効性が示された。

関連論文リスト

• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• PolypDB: A Curated Multi-Center Dataset for Development of AI Algorithms in Colonoscopy [32.24135806984274]
  PolypDBは、3934の静止ポリプイメージと、実際の大腸内視鏡ビデオから対応する地上真実を含む、大規模な公開データセットである。 PolypDBは、ブルーライトイメージング(BLI)、フレキシブルイメージングカラーエンハンスメント(FICE)、リンクカラーイメージング(LCI)、ナローバンドイメージング(NBI)、ホワイトライトイメージング(WLI)の5つのモードからなる。
  論文  参考訳（メタデータ） (2024-08-19T05:36:01Z)
• YOLO-OB: An improved anchor-free real-time multiscale colon polyp detector in colonoscopy [4.703565047693667]
  大腸がんは2023年に米国で2番目に多いがん死の原因になると予想されている。 ディープニューラルネットワークは、ポリプの検出率を高める効果的な手段であることが証明されている。
  論文  参考訳（メタデータ） (2023-12-14T03:17:52Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement [96.09255345336639]
  低照度画像の高精細化のために,原理化された1段Retinex-based Framework (ORF) を定式化する。 ORFはまず照明情報を推定し、低照度画像を照らす。 我々のアルゴリズムであるRetinexformerは13のベンチマークで最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2023-03-12T16:54:08Z)
• A Novel Hybrid Endoscopic Dataset for Evaluating Machine Learning-based Photometric Image Enhancement Models [0.9236074230806579]
  本研究は, 生成逆数的手法により生成される新しい合成データ集合を導入する。 また、過度の露光および過度の露光条件において、浅いベースと深層学習に基づく画像強調法の両方を探索する。
  論文  参考訳（メタデータ） (2022-07-06T01:47:17Z)
• 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)
• 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)
• Understanding the effects of artifacts on automated polyp detection and incorporating that knowledge via learning without forgetting [42.36312625253819]
  早期にポリープが検出された場合,大腸癌生存率が高くなる。 現在の取り組みは、トレーニングデータセットのサイズと品質に大きく依存しています。
  論文  参考訳（メタデータ） (2020-02-07T16:34:14Z)

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。