WCEbleedGen: A wireless capsule endoscopy dataset and its benchmarking for automatic bleeding classification, detection, and segmentation

要約

ワイヤレス カプセル内視鏡 (WCE) のコンピューターベースの分析は非常に重要です。
しかし、出血フレームと非出血フレームの自動分類、検出、セグメンテーションのトレーニングと評価を行うための医学的に注釈が付けられた WCE データセットは現在不足しています。
現在の研究は、出血フレームと非出血フレームの自動分類、検出、セグメンテーションを目的とした、WCEbleedGen と呼ばれる医学的に注釈が付けられた WCE データセットの開発に焦点を当てました。
これは、さまざまなインターネット リソースおよび既存の WCE データセットから収集された 2,618 個の WCE ブリーディング フレームと非ブリーディング フレームで構成されています。
開発されたデータセットの包括的なベンチマークと評価は、9 つ​​の分類ベース、3 つの検出ベース、3 つのセグメンテーションベースの深層学習モデルを使用して行われました。
データセットは高品質で、クラスバランスがとれており、単一および複数の出血部位が含まれています。
全体として、標準ベンチマーク結果は、Visual Geometric Group (VGG) 19、You Only Look Once バージョン 8 nano (YOLOv8n)、およびリンク ネットワーク (Linknet) が、それぞれ自動分類、検出、およびセグメンテーション ベースの評価で最高のパフォーマンスを発揮したことを示しています。
自動出血診断は、WCE ビデオ解釈にとって非常に重要です。
この多様なデータセットは、WCE における自動出血診断のためのリアルタイムのマルチタスク学習ベースの革新的なソリューションの開発に役立ちます。
データセットとコードは、https://zenodo.org/records/10156571 および https://github.com/misahub2023/Benchmarking-Codes-of-the-WCEBleedGen-dataset で公開されています。

要約(オリジナル)

Computer-based analysis of Wireless Capsule Endoscopy (WCE) is crucial. However, a medically annotated WCE dataset for training and evaluation of automatic classification, detection, and segmentation of bleeding and non-bleeding frames is currently lacking. The present work focused on development of a medically annotated WCE dataset called WCEbleedGen for automatic classification, detection, and segmentation of bleeding and non-bleeding frames. It comprises 2,618 WCE bleeding and non-bleeding frames which were collected from various internet resources and existing WCE datasets. A comprehensive benchmarking and evaluation of the developed dataset was done using nine classification-based, three detection-based, and three segmentation-based deep learning models. The dataset is of high-quality, is class-balanced and contains single and multiple bleeding sites. Overall, our standard benchmark results show that Visual Geometric Group (VGG) 19, You Only Look Once version 8 nano (YOLOv8n), and Link network (Linknet) performed best in automatic classification, detection, and segmentation-based evaluations, respectively. Automatic bleeding diagnosis is crucial for WCE video interpretations. This diverse dataset will aid in developing of real-time, multi-task learning-based innovative solutions for automatic bleeding diagnosis in WCE. The dataset and code are publicly available at https://zenodo.org/records/10156571 and https://github.com/misahub2023/Benchmarking-Codes-of-the-WCEBleedGen-dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google