論文の概要: RRTS Dataset: A Benchmark Colonoscopy Dataset from Resource-Limited Settings for Computer-Aided Diagnosis Research

• arxiv url: http://arxiv.org/abs/2511.06769v1
• Date: Mon, 10 Nov 2025 06:51:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.122814
• Title: RRTS Dataset: A Benchmark Colonoscopy Dataset from Resource-Limited Settings for Computer-Aided Diagnosis Research
• Title（参考訳）: RRTSデータセット:コンピュータ支援診断研究のためのリソース制限設定からのベンチマーク大腸内視鏡データセット
• Authors: Ridoy Chandra Shil, Ragib Abid, Tasnia Binte Mamun, Samiul Based Shuvo, Masfique Ahmed Bhuiyan, Jahid Ferdous,
• Abstract要約: 我々はOlympus 170およびPen- Tax i-Scanシリーズ内視鏡を用いて収集した大腸内視鏡像のデータセットを紹介する。 このデータセットには164人の患者から得られた1,288枚のポリプと31人の患者から得られた1,657枚のポリプフリー画像が含まれている。 パフォーマンスは、キュレートされたデータセットと比較して低く、アーティファクトと可変品質のイメージの現実的な難しさを反映している。
• 参考スコア（独自算出の注目度）: 0.1407206493229022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background and Objective: Colorectal cancer prevention relies on early detection of polyps during colonoscopy. Existing public datasets, such as CVC-ClinicDB and Kvasir-SEG, provide valuable benchmarks but are limited by small sample sizes, curated image selection, or lack of real-world artifacts. There remains a need for datasets that capture the complexity of clinical practice, particularly in resource-constrained settings. Methods: We introduce a dataset, BUET Polyp Dataset (BPD), of colonoscopy images collected using Olympus 170 and Pen- tax i-Scan series endoscopes under routine clinical conditions. The dataset contains images with corresponding expert-annotated binary masks, reflecting diverse challenges such as motion blur, specular highlights, stool artifacts, blood, and low-light frames. Annotations were manually reviewed by clinical experts to ensure quality. To demonstrate baseline performance, we provide bench- mark results for classification using VGG16, ResNet50, and InceptionV3, and for segmentation using UNet variants with VGG16, ResNet34, and InceptionV4 backbones. Results: The dataset comprises 1,288 images with polyps from 164 patients with corresponding ground-truth masks and 1,657 polyp-free images from 31 patients. Benchmarking experiments achieved up to 90.8% accuracy for binary classification (VGG16) and a maximum Dice score of 0.64 with InceptionV4-UNet for segmentation. Performance was lower compared to curated datasets, reflecting the real-world difficulty of images with artifacts and variable quality.
• Abstract（参考訳）: 背景と目的:大腸癌予防は大腸内視鏡検査におけるポリープの早期検出に依存している。 CVC-ClinicDBやKvasir-SEGといった既存の公開データセットは、貴重なベンチマークを提供するが、小さなサンプルサイズ、キュレートされたイメージ選択、現実のアーティファクトの欠如によって制限されている。 特にリソース制約のある環境では、臨床実践の複雑さを捉えるデータセットが必要である。 方法:Olympus 170およびPen- Tax i-Scanシリーズ内視鏡を用いた大腸内視鏡画像のデータセット BUET Polyp Dataset (BPD) を導入する。 データセットには、対応する専門家アノテートされたバイナリマスクのイメージが含まれており、動きのぼやけ、特異なハイライト、スツールアーティファクト、血液、低照度フレームといったさまざまな課題を反映している。 アノテーションは臨床専門家によって手作業でレビューされ、品質が保証された。 ベースライン性能を示すために,VGG16,ResNet50,InceptionV3を用いた分類と,VGG16,ResNet34,InceptionV4のバックボーンを用いたUNet変種を用いたセグメンテーションのためのベンチマーク結果を提供する。 結果: 対象は164例のポリープと31例のポリープフリー画像, 657例のポリープフリー画像からなる。 ベンチマーク実験では、バイナリ分類(VGG16)の90.8%の精度と、セグメンテーションのためのInceptionV4-UNetによる最大Diceスコアが0.64である。 パフォーマンスは、キュレートされたデータセットと比較して低く、アーティファクトと可変品質のイメージの現実的な難しさを反映している。

関連論文リスト

• Automated Cervical Os Segmentation for Camera-Guided, Speculum-Free Screening [38.85521544870542]
  本研究は,経血管内視鏡的画像における頸部骨のリアルタイム分割のための深層学習法について検討した。 DICE(0.50 pm 0.31)と検出レート(0.87 pm 0.33)を達成した。 これらの結果は、非専門的な使用をサポートするために、自動os認識を投機のない頸部検診装置に統合するための基盤を確立する。
  論文  参考訳（メタデータ） (2025-09-12T14:19:27Z)
• AlphaDent: A dataset for automated tooth pathology detection [98.1937495272719]
  このデータセットは、295人の患者の歯のDSLRカメラ写真に基づいており、1200枚以上の画像を含んでいる。 この記事では、データセットとラベリングフォーマットの詳細な説明を提供する。 その結果,高い予測精度が得られた。
  論文  参考訳（メタデータ） (2025-07-30T09:34:43Z)
• Domain-Adaptive Pre-training of Self-Supervised Foundation Models for Medical Image Classification in Gastrointestinal Endoscopy [0.024999074238880488]
  ビデオカプセル内視鏡は、消化管の詳細な画像を取得する非侵襲的な方法を提供することで、消化管内視鏡(GIE)の診断を変換した。 ビデオカプセル内視鏡は、消化管の詳細な画像を取得する非侵襲的な方法を提供することで、消化管内視鏡(GIE)の診断を変換した。 しかし、そのポテンシャルは、画像処理中に生成される画像の量によって制限されており、それは6～8時間で最大100万枚の画像を生成することができる。
  論文  参考訳（メタデータ） (2024-10-21T22:52:25Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• A quality assurance framework for real-time monitoring of deep learning segmentation models in radiotherapy [3.5752677591512487]
  この研究は、品質保証フレームワークを確立するために、心臓のサブ構造セグメンテーションを例として用いている。 心電図(CT)画像と241例の心電図を用いたベンチマークデータセットを収集した。 訓練されたDenoising Autoencoder(DAE)と2つの手動特徴を利用して画像領域シフト検出器を開発した。 Dice similarity coefficient (DSC) を用いて患者ごとのセグメンテーション精度を予測するための回帰モデルを構築した。
  論文  参考訳（メタデータ） (2023-05-19T14:51:05Z)
• Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime [70.04389979779195]
  本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。 本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。 テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-03-30T18:20:00Z)
• COVIDx CXR-3: A Large-Scale, Open-Source Benchmark Dataset of Chest X-ray Images for Computer-Aided COVID-19 Diagnostics [69.55060769611916]
  RT-PCR検査の補助的スクリーニング戦略としての胸部X線撮影(CXR)の利用が増加している。 CXRイメージングに基づく新型コロナウイルススクリーニングのための多くの視覚知覚モデルが提案されている。 我々は、COVID-19コンピュータビジョン研究を支援するために、CXR画像の大規模なベンチマークデータセットであるCOVIDx CXR-3を紹介する。
  論文  参考訳（メタデータ） (2022-06-08T04:39:44Z)
• ERS: a novel comprehensive endoscopy image dataset for machine learning, compliant with the MST 3.0 specification [0.0]
  本論文は, フレキシブル内視鏡, 大腸内視鏡, カプセル内視鏡を用いた多ラベル包括的画像データセットであるERSについて述べる。 データセットには、内視鏡ビデオから約6000、約115,000のラベル付きフレーム、正確には22600の近似セグメンテーションマスク、フレキシブルとカプセルの内視鏡ビデオから123万のラベル付きフレームが含まれている。
  論文  参考訳（メタデータ） (2022-01-21T15:39:45Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• Kvasir-Instrument: Diagnostic and therapeutic tool segmentation dataset in gastrointestinal endoscopy [1.7579113628094125]
  消化器疾患(GI)は外科的ツールを用いて定期的にスクリーニングされ、生検され、切除される。 このデータセットは590ドルの注釈付きフレームで構成されており、スナレス、バルーン、生検などのGIプロシージャツールを含んでいる。
  論文  参考訳（メタデータ） (2020-10-23T18:14:36Z)

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。