論文の概要: GLENDA: Gynecologic Laparoscopy Endometriosis Dataset

• arxiv url: http://arxiv.org/abs/2508.21398v1
• Date: Fri, 29 Aug 2025 08:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.9624
• Title: GLENDA: Gynecologic Laparoscopy Endometriosis Dataset
• Title（参考訳）: GLENDA : 婦人科的腹腔鏡下子宮内膜症データセット
• Authors: Andreas Leibetseder, Sabrina Kletz, Klaus Schoeffmann, Simon Keckstein, Jörg Keckstein,
• Abstract要約: Gynecological Laparoscopy ENdometriosis DAtasetは、共通疾患である子宮内膜症の領域的アノテーションを含む画像データセットである。 データセットはこの種のものでは初めてのもので、この分野の著名な医療専門家と共同で作成されている。
• 参考スコア（独自算出の注目度）: 4.657080645343133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gynecologic laparoscopy as a type of minimally invasive surgery (MIS) is performed via a live feed of a patient's abdomen surveying the insertion and handling of various instruments for conducting treatment. Adopting this kind of surgical intervention not only facilitates a great variety of treatments, the possibility of recording said video streams is as well essential for numerous post-surgical activities, such as treatment planning, case documentation and education. Nonetheless, the process of manually analyzing surgical recordings, as it is carried out in current practice, usually proves tediously time-consuming. In order to improve upon this situation, more sophisticated computer vision as well as machine learning approaches are actively developed. Since most of such approaches heavily rely on sample data, which especially in the medical field is only sparsely available, with this work we publish the Gynecologic Laparoscopy ENdometriosis DAtaset (GLENDA) - an image dataset containing region-based annotations of a common medical condition named endometriosis, i.e. the dislocation of uterine-like tissue. The dataset is the first of its kind and it has been created in collaboration with leading medical experts in the field.
• Abstract（参考訳）: 低侵襲手術(MIS)の一種である婦人科腹腔鏡は、患者の腹部のライブフィードを通じて、様々な器具の挿入と治療の取扱いを調査する。 このような外科的介入を採用することは、多種多様な治療を促進するだけでなく、ビデオストリームを記録する可能性も、治療計画、症例文書、教育など、多くの術後活動に必要不可欠である。 それにもかかわらず、現在行われている外科的記録を手作業で解析するプロセスは、通常、退屈な時間を要することが証明されている。 この状況を改善するため、より洗練されたコンピュータビジョンと機械学習アプローチが積極的に開発されている。 このようなアプローチのほとんどはサンプルデータに大きく依存しており、特に医療分野ではわずかにしか利用できないため、本研究では、子宮内膜症(子宮内膜症)と呼ばれる一般的な疾患の領域ベースのアノテーションを含む画像データセットであるGynecological Laparoscopy ENdometriosis DAtaset(GLENDA)を公表する。 データセットはこの種のものでは初めてのもので、この分野の著名な医療専門家と共同で作成されている。

関連論文リスト

• Deep Learning-Based Automated Segmentation of Uterine Myomas [1.0819408603463427]
  子宮筋線維腫は女性の生殖系において最も一般的な良性腫瘍である。 頻度が70%を超えると、女性の生殖健康に大きな負担がかかる。 深層学習アルゴリズムは、医用画像のセグメンテーションを著しく改善した。
  論文  参考訳（メタデータ） (2025-08-14T18:22:14Z)
• GynSurg: A Comprehensive Gynecology Laparoscopic Surgery Dataset [4.908882733877045]
  GynSurgは腹腔鏡下手術のための最大かつ最も多様なマルチタスクデータセットである。 GynSurgは、アクション認識、セマンティックセグメンテーション、外科的ドキュメンテーション、新しい手続き的洞察の発見など、複数のタスクにわたる豊富なアノテーションを提供する。 我々は、標準化されたトレーニングプロトコルの下で最先端モデルをベンチマークすることで、データセットの品質と汎用性を実証する。
  論文  参考訳（メタデータ） (2025-06-12T23:10:47Z)
• SurgXBench: Explainable Vision-Language Model Benchmark for Surgery [4.068223793121694]
  VLM(Vision-Language Models)は、視覚とテキストのモダリティを横断する推論において、革新的な進歩をもたらした。 既存のモデルはパフォーマンスが限られており、その能力と限界を評価するためのベンチマーク研究の必要性を強調している。 ロボット支援型腹腔鏡による機器分類と動作分類のための2つのデータセットに対して,いくつかの先進VLMのゼロショット性能をベンチマークした。
  論文  参考訳（メタデータ） (2025-05-16T00:42:18Z)
• A Contrastive Pretrain Model with Prompt Tuning for Multi-center Medication Recommendation [50.43785306804359]
  マルチセンター医薬品推奨のためのTEMPT(Prompt Tuning)を用いた新しいconTrastive prEtrain Modelを提案する。 そこで我々は,一般的なファインタニングを採用するのではなく,各病院の特定情報をキャプチャするための新しいプロンプトチューニング手法を考案した。 提案モデルを検証するため,公立のeICU多施設医療データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2024-12-28T06:12:02Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
  アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。 我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
  論文  参考訳（メタデータ） (2024-03-19T03:59:14Z)
• Nahid: AI-based Algorithm for operating fully-automatic surgery [0.0]
  本稿では,ソフトウェアとコンピュータビジョン技術に基づく完全自動手術を実現する手法を初めて提示する。 より詳細なアルゴリズムが提示され、手術中に自動的にこの病気を診断し治療することができる。
  論文  参考訳（メタデータ） (2023-11-03T12:35:07Z)
• Spinal nerve segmentation method and dataset construction in endoscopic surgical scenarios [12.582771125588769]
  内視鏡下手術における脊髄神経のリアルタイム分割法について検討した。 本稿では,フレーム間情報と自己認識機構を利用して,最先端の性能を実現する FUnet (Frame-Unet) を提案する。
  論文  参考訳（メタデータ） (2023-07-20T15:26:57Z)

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。