Jul, 2023

ERCPMP: 结直肠息肉形态与病理的内窥镜图像和视频数据集

HTML
PDF
TL;DR近年来，人工智能（AI）及其主要子类型，机器学习（ML）和深度学习（DL）以及它们的应用在各个方面，如医学中迅速传播。最重要的挑战是为医疗预测、检测、诊断、治疗和预后开发准确的算法的数据。ERCPMP是一个用于识别结直肠息肉形态和病理的内窥镜图像和视频数据集，包含了191名患者的人口统计学、形态学和病理学数据，以及内窥镜图像和视频。目前，该数据集的当前版本已发布并可在Elsevier Mendeley Dataverse上获得，最新版本可以通过此链接访问。
发现论文，激发创造
  • 结肠胶囊内镜自动息肉检测

    使用几何分析和纹理内容的二元分类器进行结肠胶囊内镜图像诊断，结果表明算法在具有47%的每帧敏感度和90%特异度的情况下，对肿瘤的诊断表现良好。

    May, 2013

  • 基于 Faster R-CNN 的内窥镜视频息肉检测高效方法

    该文研究了基于深度学习的快速区域卷积神经网络（Faster R-CNN）在内窥镜图像中多发性息肉检测方面的应用，实验结果表明其能够有效的用于临床实践。

    Sep, 2018

  • 一项基于计算机视觉挑战的深度学习息肉检测和分割方法通用性评估

    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

  • 通过Medico 2020息肉分割和MedAI 2021透明度挑战对结肠镜中息肉和器械分割方法进行客观验证

    自动分析结肠镜图像是一项活跃的研究领域，该研究受到早期检测癌前息肉重要性的驱动。深度学习作为有望解决该挑战的一种方法，可以帮助结肠镜检医生实时发现和分类被忽视的息肉和异常。为了推动高效透明方法的发展，我们组织了两个竞赛，针对医学自动息肉分割和医学图像分割透明度。通过综合分析这些挑战，我们不仅突出了息肉和手术工具分割的进展，还鼓励定性评估，以构建更透明、可理解的基于人工智能的结肠镜系统。

    Jul, 2023

  • ECPC-IDS：一份用于评估语义分割和高代谢区域检测的子宫内膜癌PET / CT图像数据集

    发表了一份公开可用的子宫内膜癌PET/CT图像数据集(ECPC-IDS)，它包含大量的图像和标注信息，用于支持深度学习语义分割和目标检测方法，有助于增强计算辅助技术，从而为临床医生和患者带来极大的好处。

    Aug, 2023

  • 深度学习在息肉分割方面的调查：技术、挑战和未来趋势

    早期检测和评估息肉在结直肠癌的预防和治疗中起着至关重要的作用。本文综述了息肉分割算法，包括传统算法和基于深度学习网络的算法，详细介绍了相关基准数据集及对最近的深度学习模型进行的全面评估，最后讨论了该领域的挑战和未来趋势。

    Nov, 2023

  • 深度学习时代下的结直肠息肉分割: 详细调查

    通过综合系统的回顾2014年至2023年间115篇论文，本文首先提供一个基于深度学习的结肠直肠息肉分割技术的新分类法，包括网络架构、监督级别和学习范式，并分析了各数据集的特征、常用评估指标以及40个深度学习模型的性能。最后讨论了深度学习分割结肠直肠息肉方法的主要挑战和机会。

    Jan, 2024

  • COLON：最大的结肠镜长序列公共数据库

    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

  • REAL-Colon: 结肠镜检查中开发真实世界的AI应用的数据集

    通过引入REAL-Colon数据集，研究人员和开发人员可以推进结肠镜下人工智能研究，实现更准确可靠的结肠镜相关算法和模型的发展与基准测试。

    Mar, 2024

  • 结直肠镜图像中的自动息肉分割

    使用扩张卷积模块和交叉注意力网络对结肠内镜图像中的息肉进行分割，并结合数据增强技术和全局平均池化的方法，在处理不规则息肉形状时实现了明显的改进。

    Apr, 2024