完全エンドスコピーの自動的な概要と,無監督で学習した記述子

科学分野:

• 医療用イメージング
• コンピューター病理学
• エンドスコピックビデオ分析

背景:

• 内視鏡検査は膨大なビデオデータを 生み出し,手作業の審査に課題が生じます.
• エンドスコピーのビデオの効率的な分析は,臨床的意思決定と研究にとって極めて重要です.

研究 の 目的:

• 完全な内視鏡ビデオの初期分析を自動化し,関連するコンテンツを特定します.
• 臨床医のレビュー時間を短縮し ビデオの要約や3D復元などの 下流の作業を容易にするため

主な方法:

• 学習された埋め込みモデルを使用して内視映像フレームの表現を抽出します.
• 視覚パターンと主要なシーンのタイプ (例えば,手術,明確な可視性) を識別するためのクラスタリング記述子.
• ビデオを情報的な部分と 非情報的な部分に分割します

主要な成果:

• コロノスコーピーのビデオで手術のセグメントと可視性の異なる条件を特定するのに良いパフォーマンスを示しました.
• 有用なセグメントと無関係なセグメントを分離する構造化された概要を生成します.
• 3D復元とビデオの要約のためのプリプロセッシングとして適性を示した.

結論:

• 自動内視鏡の概要生成は 臨床医が視野の良い部分や手術のような 関連する内容に集中するのを助けます
• 記録の迅速なレビューと,下流のタスクのための効果的なビデオの前処理を容易にする.