論文の概要: A multi-center analysis of deep learning methods for video polyp detection and segmentation
- arxiv url: http://arxiv.org/abs/2603.04288v1
- Date: Wed, 04 Mar 2026 17:05:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.414118
- Title: A multi-center analysis of deep learning methods for video polyp detection and segmentation
- Title（参考訳）: ビデオポリプの検出とセグメンテーションのための深層学習手法のマルチセンタ解析
- Authors: Noha Ghatwary, Pedro Chavarias Solano, Mohamed Ramzy Ibrahim, Adrian Krenzer, Frank Puppe, Stefano Realdon, Renato Cannizzaro, Jiacheng Wang, Liansheng Wang, Thuy Nuong Tran, Lena Maier-Hein, Amine Yamlahi, Patrick Godau, Quan He, Qiming Wan, Mariia Kokshaikyna, Mariia Dobko, Haili Ye, Heng Li, Ragu B, Antony Raj, Hanaa Nagdy, Osama E Salem, James E. East, Dominique Lamarque, Thomas de Lange, Sharib Ali,
- Abstract要約: 大腸ポリープは大腸癌の前駆体である
これらのポリープの外観、位置、サイズの変化は、その検出と除去を複雑にする。
ポリプの検出とセグメンテーションを強化するためにディープラーニング技術が開発されている。
- 参考スコア（独自算出の注目度）: 14.095271628097125
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Colonic polyps are well-recognized precursors to colorectal cancer (CRC), typically detected during colonoscopy. However, the variability in appearance, location, and size of these polyps complicates their detection and removal, leading to challenges in effective surveillance, intervention, and subsequently CRC prevention. The processes of colonoscopy surveillance and polyp removal are highly reliant on the expertise of gastroenterologists and occur within the complexities of the colonic structure. As a result, there is a high rate of missed detections and incomplete removal of colonic polyps, which can adversely impact patient outcomes. Recently, automated methods that use machine learning have been developed to enhance polyps detection and segmentation, thus helping clinical processes and reducing missed rates. These advancements highlight the potential for improving diagnostic accuracy in real-time applications, which ultimately facilitates more effective patient management. Furthermore, integrating sequence data and temporal information could significantly enhance the precision of these methods by capturing the dynamic nature of polyp growth and the changes that occur over time. To rigorously investigate these challenges, data scientists and experts gastroenterologists collaborated to compile a comprehensive dataset that spans multiple centers and diverse populations. This initiative aims to underscore the critical importance of incorporating sequence data and temporal information in the development of robust automated detection and segmentation methods. This study evaluates the applicability of deep learning techniques developed in real-time clinical colonoscopy tasks using sequence data, highlighting the critical role of temporal relationships between frames in improving diagnostic precision.
- Abstract（参考訳）: 大腸ポリープは、大腸内視鏡で通常検出される大腸癌(CRC)の前駆体である。
しかしながら、これらのポリープの外観、位置、サイズの変化は、検出と除去を複雑にし、効果的な監視、介入、そしてその後のCRC予防の課題に繋がる。
大腸内視鏡検査とポリープ除去のプロセスは、消化器科医の専門知識に大きく依存しており、結腸構造の複雑さの中で起こる。
その結果,大腸ポリープの欠失検出率と不完全除去率が高く,患者の予後に悪影響を及ぼす可能性が示唆された。
近年,ポリープ検出とセグメンテーションを強化するため,機械学習を用いた自動化手法が開発され,臨床プロセスの助けとなり,欠落率の低減が図られている。
これらの進歩は、リアルタイムアプリケーションにおける診断精度を向上させる可能性を強調し、最終的にはより効果的な患者管理を促進する。
さらに、時系列データと時間情報を統合することで、ポリプ成長の動的性質と時間とともに起こる変化を捉えることにより、これらの手法の精度を著しく向上させることができる。
これらの課題を厳格に調査するために、データサイエンティストと科学者は協力して、複数のセンターと多様な人口にまたがる包括的なデータセットをコンパイルした。
このイニシアチブは、ロバストな自動検出とセグメンテーション手法の開発において、シーケンスデータと時間情報を統合することの重要さを浮き彫りにすることを目的としている。
本研究は, リアルタイム臨床大腸内視鏡検査における深層学習技術の適用性を評価し, 診断精度向上におけるフレーム間の時間的関係の重要性を明らかにする。
関連論文リスト
- Multi-Omics Fusion with Soft Labeling for Enhanced Prediction of Distant Metastasis in Nasopharyngeal Carcinoma Patients after Radiotherapy [4.971538849792411]
オミクスデータの統合で直面する課題の1つは、予測不能の存在である。
本研究の目的は,オミクスデータに固有の相違を緩和する融合手法を開発することである。
論文 参考訳（メタデータ） (2025-02-12T05:26:59Z) - Advancing Precision Oncology Through Modeling of Longitudinal and Multimodal Data [1.6163129903911508]
癌は、遺伝子、エピジェネティック、ミクロ環境、表現型の変化の複雑な相互作用を通じて、時間とともに継続的に進化する。
今日の腫瘍学におけるデータ駆動研究は、主に1つのモダリティのデータを用いた断面解析に焦点を当てている。
マルチスケールデータ収集および計算手法の進歩により、精度オンコロジーのための長手マルチモーダルバイオマーカーの発見が可能になった。
論文 参考訳（メタデータ） (2025-02-11T01:44:51Z) - TopOC: Topological Deep Learning for Ovarian and Breast Cancer Diagnosis [3.262230127283452]
トポロジカルデータ分析は、異なる色チャネルにわたるトポロジカルパターンの評価を通じて重要な情報を抽出することで、ユニークなアプローチを提供する。
卵巣癌と乳癌では, トポロジカルな特徴を取り入れることで, 腫瘍型の分化が著しく向上することが示唆された。
論文 参考訳（メタデータ） (2024-10-13T12:24:13Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Assessing generalisability of deep learning-based polyp detection and
segmentation methods through a computer vision challenge [11.914243295893984]
ポリープは大腸内視鏡で同定されたよく知られたがん前駆体である。
大腸ポリープのサーベイランスと除去は、非常に操作性に依存した手順である。
大腸ポリープの欠失検出率と不完全除去率がある。
論文 参考訳（メタデータ） (2022-02-24T11:25:52Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z)
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。