结肠镜图像内腔场景分割基准
本研究旨在通过使用 Kvasir-SEG 数据集对几种先进方法进行基准测试,评估其在结肠镜疾病检测、定位和分割方面的性能,并显示所提出的 ColonSegNet 方法在精度、速度和分割任务方面均表现优异,其表现足以证明进行自动化实时息肉鉴别和划线的必要性。
Nov, 2020
本文提出了一种用于结肠镜检查中结肠息肉图像分割的深度学习框架,该框架具有编码器和解码器,通过引入扩张卷积和简化的解码器来实现优化特征表示能力以及减少参数数量,在 CVC-ClinicDB 和 ETIS-Larib Polyp DB 上取得了最新研究成果。
Dec, 2019
本研究使用机器学习技术对多中心和多人群结肠镜图像中出现的息肉进行检测和分割,并分析了表现最好的团队的结果,发现准确性高于即时性能,并提出了需要提高模型泛化性来应对多中心数据集中的多样性的观点。
Feb, 2022
结直肠癌是世界上最常见的癌症之一。本文描述了 2022 年 EndoVis 挑战赛中的人工结直肠三维重建问题及其解决方案的研究成果,并展示了虚拟结直肠镜检查中深度预测问题的可靠解决方案,同时指出姿态估计问题仍然是一个待解决的研究方向。
Jul, 2023
Colorectal cancer is a major health concern, and this paper introduces the COLON dataset, which contains labeled frames of polyps and background frames to facilitate the development of computational tools for polyp detection and segmentation in colonoscopy procedures.
Mar, 2024
结肠镜检查在诊断和预测各种胃肠疾病中起着关键作用。我们探索使用视觉变换器中的自监督特征来处理肠镜图像的三个具有挑战性的任务,结果表明与完全监督模型相比,从 DINO 模型学习的图像级特征可以实现相似的图像分类性能,而补丁级特征包含丰富的语义信息,可以用于对象检测。此外,我们证明了自监督特征结合无监督分割可以在完全无监督的情况下发现多个临床相关结构,展示了在医学图像分析中应用这些方法的巨大潜力。
Dec, 2023
本论文提出一种新方法,实时检测内窥镜检查中因视觉差而被忽略的结肠区域,从而检测不到的息肉。研究采用二阶段方法,第一阶段确定视觉好的区域和之间的缺口,第二阶段使用受过训练的模型来检测缺口,并提供针对性的内窥镜检查。方法评估表明具有很高的敏感性和特异性,可以缩短肠镜检查时间并提高检出率。
May, 2023
本文介绍了一种用于医学图像分割的新型深度学习模型 SSFormer,该模型使用了金字塔 Transformer 编码器来改进模型的泛化能力,提高了模型的学习和推广表现。
Mar, 2022