ColonNet: A Hybrid Of DenseNet121 And U-NET Model For Detection And Segmentation Of GI Bleeding

要約

この研究では、ワイヤレス カプセル内視鏡 (WCE) ビデオから抽出されたフレーム内の消化管出血を自動検出および分類するための統合ディープラーニング モデルを紹介します。
このデータセットは、MISAHUB チームがホストする Auto-WCBleedGen Challenge バージョン V2 の一部としてリリースされました。
当社モデルは、この大会に参加した75チームの中で最高の成績を収めました。
CNN ベースのモデル、つまり DenseNet や UNet を効率的に利用して、現実世界の複雑なデータセット内の出血領域と非出血領域を検出してセグメント化することを目的としています。
このモデルは 80% という驚異的な全体精度を達成しており、熟練した医師がさらなる診断を行うのに確実に役立ちます。

要約(オリジナル)

This study presents an integrated deep learning model for automatic detection and classification of Gastrointestinal bleeding in the frames extracted from Wireless Capsule Endoscopy (WCE) videos. The dataset has been released as part of Auto-WCBleedGen Challenge Version V2 hosted by the MISAHUB team. Our model attained the highest performance among 75 teams that took part in this competition. It aims to efficiently utilizes CNN based model i.e. DenseNet and UNet to detect and segment bleeding and non-bleeding areas in the real-world complex dataset. The model achieves an impressive overall accuracy of 80% which would surely help a skilled doctor to carry out further diagnostics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google