論文の概要: CLIP Based Region-Aware Feature Fusion for Automated BBPS Scoring in Colonoscopy Images

• arxiv url: http://arxiv.org/abs/2512.20374v1
• Date: Tue, 23 Dec 2025 13:58:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.897534
• Title: CLIP Based Region-Aware Feature Fusion for Automated BBPS Scoring in Colonoscopy Images
• Title（参考訳）: 大腸内視鏡画像におけるBBPS自動撮影のためのCLIPを用いた領域認識機能融合
• Authors: Yujia Fu, Zhiyu Dong, Tianwen Qian, Chenye Zheng, Danian Ji, Linhai Zhuo,
• Abstract要約: ボストン・ボウエル準備尺度(BBPS)は、標準化されたスコアシステムを提供するが、手動で行うと主観性とサーバ間の変動に悩まされる。 我々は517名の被験者から2,240枚の画像からなる高品質な大腸内視鏡データセットを構築した。
• 参考スコア（独自算出の注目度）: 4.440522576089571
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate assessment of bowel cleanliness is essential for effective colonoscopy procedures. The Boston Bowel Preparation Scale (BBPS) offers a standardized scoring system but suffers from subjectivity and inter-observer variability when performed manually. In this paper, to support robust training and evaluation, we construct a high-quality colonoscopy dataset comprising 2,240 images from 517 subjects, annotated with expert-agreed BBPS scores. We propose a novel automated BBPS scoring framework that leverages the CLIP model with adapter-based transfer learning and a dedicated fecal-feature extraction branch. Our method fuses global visual features with stool-related textual priors to improve the accuracy of bowel cleanliness evaluation without requiring explicit segmentation. Extensive experiments on both our dataset and the public NERTHU dataset demonstrate the superiority of our approach over existing baselines, highlighting its potential for clinical deployment in computer-aided colonoscopy analysis.
• Abstract（参考訳）: 大腸内視鏡検査における大腸清潔度の評価は有用である。 ボストン・ボウエル準備尺度(BBPS)は、標準化されたスコアシステムを提供するが、手動で行うと主観性とサーバ間の変動に悩まされる。 本稿では,517名の被験者から2,240枚の画像からなる高品質な大腸内視鏡データセットを構築し,専門家によるBBPSスコアを付加した。 そこで本研究では,CLIPモデルと適応型トランスファー学習を併用したBBPS自動スコアリングフレームワークを提案する。 本手法は便器関連テキスト先行情報とグローバルな視覚的特徴を融合させて,明示的なセグメンテーションを必要とせず,便器清潔度評価の精度を向上させる。 我々のデータセットとNERTHUデータセットの広範にわたる実験は、既存のベースラインよりもアプローチが優れていることを示し、コンピュータ支援大腸内視鏡解析における臨床展開の可能性を強調した。

関連論文リスト

• Cross-Representation Benchmarking in Time-Series Electronic Health Records for Clinical Outcome Prediction [44.23284500920266]
  このベンチマークは、2つの異なる臨床環境におけるデータキュレーションと評価を標準化する。 実験によると、イベントストリームモデルは、常に最強のパフォーマンスを提供する。 特徴選択戦略は臨床環境に適応する必要がある。
  論文  参考訳（メタデータ） (2025-10-10T09:03:47Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
  ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。 このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。 ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
  論文  参考訳（メタデータ） (2025-06-01T19:29:39Z)
• Enhanced Tuberculosis Bacilli Detection using Attention-Residual U-Net and Ensemble Classification [0.0]
  Mycobacterium tuberculosisによって引き起こされた結核は、依然として重要な世界的な健康問題であり、タイムリーな診断と治療を必要としている。 蛍光顕微鏡スミア画像からの結核菌の検出法は, 自動化が低く, セグメンテーション性能が不十分で, 分類精度が限られている。 本稿では,セグメント化のためのディープラーニングと分類のためのアンサンブルモデルを組み合わせた,効率的なハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2025-01-07T05:21:13Z)
• Benchmarking Pathology Feature Extractors for Whole Slide Image Classification [2.173830337391778]
  弱教師付き全スライド画像分類は、計算病理学における重要な課題である。 特徴抽出器の総合的なベンチマークを行い、3つの重要な質問に答える。 我々は経験的に観察し、潜伏空間を解析することにより、染色の正規化や画像の増大は性能を低下させない。 提案手法は, 下流性能を比較するための新しい評価指標を開発し, 下流性能の指標として, 特徴抽出器の選択が最も重要な要因であることを示す。
  論文  参考訳（メタデータ） (2023-11-20T13:58:26Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Colorectal Polyp Classification from White-light Colonoscopy Images via Domain Alignment [57.419727894848485]
  大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。 これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。 正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-05T09:31:46Z)
• Deeply supervised UNet for semantic segmentation to assist dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
  unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。 unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。 最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
  論文  参考訳（メタデータ） (2021-03-05T15:39:55Z)
• 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。