Mar, 2024

COLON：最大的结肠镜长序列公共数据库

PDF
TL;DRColorectal 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.
发现论文，激发创造
  • 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

  • 结肠镜图像内腔场景分割基准

    介绍一个用于结肠镜图像分析的新基准，通过使用决策支持系统在不同阶段提供内腔场景分割，基于全卷积神经网络的训练，在不进行后处理的情况下，在内腔场景分割方面优于以往结果。

    Dec, 2016

  • 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

  • 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

  • 使用全卷积网络进行结肠镜图像中息肉分割

    本文提出了一种基于卷积神经网络的息肉分割方法，通过训练时的图像块选择和测试时的有效后处理，相较于先前的结肠镜视频分割方法更具准确性。

    Feb, 2018

  • SimCol3D - 结肠镜检中的三维重建挑战

    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

  • 结肠镜检查覆盖范围重视：实时识别扫描漏洞

    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

  • 使用深度学习在结肠镜检查中实时进行息肉检测、定位和分割

    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

  • 逐步特征融合：局部指导全局

    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

  • 从结肠镜视频中估计结肠三维重构的覆盖范围

    提出了一种方法，用于从三维结构化数据中估算回肠的表面面积，可以减少肠镜检查中被漏检的息肉数量，该方法在合成和真实数据下均取得了良好的结果。

    Oct, 2022