論文の概要: ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis

• arxiv url: http://arxiv.org/abs/2609.20815v1
• Date: Thu, 17 Sep 2026 17:59:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.428578
• Title: ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis
• Title（参考訳）: ERCPMP-Gx:大腸ポリポジドの形態, 病理, ゲノム解析のための内視鏡画像とビデオデータセット
• Abstract要約: 遺伝性ポリポジシンドロームは大腸癌の先天的な病変であり,大腸外腫瘍の広い範囲に関連している。 ERCPMP-Gxは, 大腸ポリポジドの認識, 評価, 分類における人工知能(AI)の応用を支援するために開発された内視鏡的, 病理組織学的, ゲノム的データセットである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hereditary polyposis syndromes can be precursor lesions to colorectal cancer and are associated with a broad spectrum of extracolonic tumors. Early identification and accurate classification of these syndromes are essential for timely diagnosis, individualized patient management, and targeted surveillance strategies for affected families. However, public endoscopic datasets are largely organized around the individual sporadic polyp, and none links the polyposis phenotype to histopathology and germline findings at the patient level. Here, we present ERCPMP-Gx, an endoscopic, histopathological, and genomic dataset developed to support the application of artificial intelligence (AI) in the recognition, characterization, and classification of colorectal polyposis. Most procedures were performed using the Olympus EVIS X1 system with white-light endoscopy (WLE), narrow-band imaging (NBI), magnifying NBI (M-NBI), and NBI with near focus modes, yielding 160 images and accompanying video clips. Approximately eighty percent of cases represent clinically and/or genetically confirmed hereditary polyposis syndromes (PG), including familial adenomatous polyposis (FAP), Peutz-Jeghers syndrome (PJS), juvenile polyposis syndrome (JPS), and ganglioneuroma syndrome (GNS), while the remaining twenty percent comprise non-hereditary polyps and polyp-mimicking lesions with overlapping morphological features (Non-PG), included to support differential classification. Each released record is linked, where available, to standardized endoscopic annotations, representative histopathology, and clinically reported germline findings, forming an AI-ready, patient-level annotation framework. The dataset is publicly accessible at Mendeley (https://doi.org/10.17632/nzyfc544bx.2). For the latest updates and further information, readers are referred to the DataBioX website: https://databiox.com.
• Abstract（参考訳）: 遺伝性ポリポジシンドロームは大腸癌の先天的な病変であり,大腸外腫瘍の広い範囲に関連している。 これらの症候群の早期同定と正確な分類は、タイムリーな診断、患者管理の個別化、および被害家族に対する監視戦略に不可欠である。 しかし、公共の内視鏡的データセットは個々の散発性ポリープを中心に大きく整理されており、ポリポジドの表現型と病理組織学的、生殖細胞学的所見を関連付けるものはない。 本稿では, 大腸ポリポジドの認識, 評価, 分類における人工知能(AI)の応用を支援するために開発された内視鏡的, 病理学的, ゲノム的データセットであるERCPMP-Gxについて述べる。 Olympus EVIS X1 system with white-light endoscopy (WLE), narrow-band imaging (NBI), magnifying NBI (M-NBI), and NBI with near focus modes, yielding 160 image and accompanieding video clips。 家族性腺腫性ポリープ(FAP)、Peutz-Jeghers症候群(PJS)、若年性ポリープ症候群(JPS)、ガングリオニューロマ症候群(GNS)を含む、臨床および/または遺伝学的に確認された遺伝性ポリープ症候群(PG)の約8割は、重複する形態的特徴を有する非遺伝性ポリープおよびポリプミメーキング病変(Non-PG)から構成される。 リリースされた各記録は、標準化された内視鏡的アノテーション、代表的病理組織学、臨床報告された生殖細胞所見にリンクされ、AI対応の患者レベルのアノテーションフレームワークを形成する。 データセットはMendley (https://doi.org/10.17632/nzyfc544bx.2)で公開されている。 最新情報や詳細については、DataBioXのWebサイトを参照してください。

関連論文リスト

• GIM-ENDO: A Multimodal Endoscopic Image and Video Dataset for Gastric Intestinal Metaplasia Morphology and Pathology [0.0]
  消化管転移 (GIM) は胃異形成と腺癌の前駆性病変である。 信頼できるAIモデルの開発は、公開データセットの欠如によって制限されている。 GIM-ENDOはこのギャップを埋めるために設計された。
  論文  参考訳（メタデータ） (2026-06-18T20:19:22Z)
• R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
  アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。 本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。 R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T02:54:10Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• GestaltMML: Enhancing Rare Genetic Disease Diagnosis through Multimodal Machine Learning Combining Facial Images and Clinical Texts [8.805728428427457]
  本稿では,Transformerアーキテクチャのみに基づくマルチモーダル機械学習(MML)アプローチを提案する。 顔画像、人口統計情報(年齢、性別、民族)、臨床メモを統合して予測精度を向上させる。
  論文  参考訳（メタデータ） (2023-12-23T18:40:25Z)
• ERCPMP: An Endoscopic Image and Video Dataset for Colorectal Polyps Morphology and Pathology [0.0]
  本データセットは,大腸ポリープ191例の人口統計,形態学的,病理的データ,内視鏡的画像,ビデオを含む。 病理組織学的には, 尿細管, ウイルス, ツブロビラス, 過形成, 血清, 炎症, 腺癌, 異型度などのポリープが診断された。
  論文  参考訳（メタデータ） (2023-07-28T09:52:20Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• UniToPatho, a labeled histopathological dataset for colorectal polyps classification and adenoma dysplasia grading [12.222174729732904]
  9536ヘマトキシリンとイオシン(H&E)染色パッチを292枚の全滑り画像から抽出した注釈付きデータセットであるUniToPathoを紹介します。 このデータセットは、大腸ポリープ分類と腺腫グレーディングのためのディープニューラルネットワークのトレーニングを目的としています。
  論文  参考訳（メタデータ） (2021-01-25T10:18:44Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。