論文の概要: Colon Polyps Detection from Colonoscopy Images Using Deep Learning

• arxiv url: http://arxiv.org/abs/2508.13188v1
• Date: Thu, 14 Aug 2025 20:16:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.641038
• Title: Colon Polyps Detection from Colonoscopy Images Using Deep Learning
• Title（参考訳）: ディープラーニングを用いた大腸内視鏡画像からの大腸ポリープ検出
• Authors: Md Al Amin, Bikash Kumar Paul,
• Abstract要約: 大腸ポリープは大腸癌の前駆体であり、世界中のがん関連死亡の原因となっている。 本研究では,大腸内視鏡画像を用いた早期ポリープ同定へのディープラーニングによる物体検出の適用について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colon polyps are precursors to colorectal cancer, a leading cause of cancer-related mortality worldwide. Early detection is critical for improving patient outcomes. This study investigates the application of deep learning-based object detection for early polyp identification using colonoscopy images. We utilize the Kvasir-SEG dataset, applying extensive data augmentation and splitting the data into training (80\%), validation (20\% of training), and testing (20\%) sets. Three variants of the YOLOv5 architecture (YOLOv5s, YOLOv5m, YOLOv5l) are evaluated. Experimental results show that YOLOv5l outperforms the other variants, achieving a mean average precision (mAP) of 85.1\%, with the highest average Intersection over Union (IoU) of 0.86. These findings demonstrate that YOLOv5l provides superior detection performance for colon polyp localization, offering a promising tool for enhancing colorectal cancer screening accuracy.
• Abstract（参考訳）: 大腸ポリープは大腸癌の前駆体であり、世界中のがん関連死亡の原因となっている。 早期発見は患者の予後を改善するために重要である。 本研究では,大腸内視鏡画像を用いた早期ポリープ同定へのディープラーニングによる物体検出の適用について検討した。 Kvasir-SEGデータセットを使用し、広範囲なデータ拡張を適用し、データをトレーニング(80\%)、検証(20\%)、テスト(20\%)に分割する。 YOLOv5アーキテクチャの3つのバリエーション(YOLOv5s, YOLOv5m, YOLOv5l)を評価した。 実験の結果、YOLOv5lは他の変種よりも優れており、平均的な平均精度(mAP)は85.1\%、最高平均のIoU(IoU)は0.86であることがわかった。 これらの結果から, YOLOv5lは大腸ポリープの局在に優れた検出性能を示し, 大腸癌検診の精度を高めるための有望なツールであることが明らかとなった。

関連論文リスト

• A Lightweight and Robust Framework for Real-Time Colorectal Polyp Detection Using LOF-Based Preprocessing and YOLO-v11n [0.3495246564946556]
  本研究では,ポリプ検出のための新しい,軽量で効率的なフレームワークを提案する。 ノイズの多いデータをフィルタリングするLocal Outlier Factorアルゴリズムと、YOLO-v11nディープラーニングモデルを組み合わせる。 従来のYOLO法と比較して精度と効率が向上した。
  論文  参考訳（メタデータ） (2025-07-14T23:36:54Z)
• Semi-Supervised Learning for Dose Prediction in Targeted Radionuclide: A Synthetic Data Study [44.18078370879369]
  TRT(Targeted Radionuclide Therapy)は、がん細胞に特異的に強力な放射線照射を投与することを目的とした、放射線腫瘍学の現代的な戦略である。 深層学習はRTをパーソナライズすることを約束する。 現在の方法では大量のSPECT画像撮影が必要であるが、日常的な臨床実践では達成できない。
  論文  参考訳（メタデータ） (2025-03-07T12:21:09Z)
• 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)
• DG-TTA: Out-of-domain Medical Image Segmentation through Augmentation and Descriptor-driven Domain Generalization and Test-Time Adaptation [43.842694540544194]
  ドメイン外の画像に事前訓練された深層学習セグメンテーションモデルを適用すると、品質の不足を予測できる。 本研究では、拡張とともに強力な一般化記述子を用いて、ドメイン一般化事前学習とテスト時間適応を実現することを提案する。
  論文  参考訳（メタデータ） (2023-12-11T10:26:21Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• 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)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Automatic Polyp Segmentation using Fully Convolutional Neural Network [0.0]
  大腸内視鏡検査における大腸ポリープのミスレートは6～27%である。 大腸内視鏡検査における自動的, 高精度, リアルタイムポリプセグメンテーションの使用は, 臨床医が欠如した病変を除去し, 大腸癌のさらなる進展を予防するのに役立つ。 Medico Automatic Polyp segmentation Challenge'は、polyp segmentationを研究し、高速なセグメンテーションモデルを構築する機会を提供する。 実験により、Kvasir-SEGデータセットでトレーニングされ、未知のデータセットでテストされたモデルは、ディス係数0.7801、mIoU0.6847、リコール0.8077、精度0.8に達することが示された。
  論文  参考訳（メタデータ） (2021-01-11T16:20:57Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• A Comprehensive Study of Data Augmentation Strategies for Prostate Cancer Detection in Diffusion-weighted MRI using Convolutional Neural Networks [9.554833667156913]
  217例のトレーニングデータセットに,最も頻繁に使用される5つの拡張手法(ランダム回転,水平フリップ,垂直フリップ,ランダム作物,翻訳)を適用した。 前立腺癌検出の精度に及ぼす各方法の影響について検討した。 浅層ネットワークは、回転法により得られる最高の2DスライスベースのAUC0.85で、ディープネットワークを上回った。
  論文  参考訳（メタデータ） (2020-06-01T14:31:38Z)

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。