Weakly-Supervised Lesion Detection in Video Capsule Endoscopy Based on a Bag-of-Colour Features Model

Vasilakakis, Michael; Iakovidis, Dimitris K.; Spyrou, Evaggelos; Koulaouzidis, Anastasios

doi:10.1007/978-3-319-54057-3_9

Cited by 16 publications

(22 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the second stage the BoW technique uses the obtained saliency map to better characterise the images. A system capable of using weakly annotated images was proposed by Vasilakakis et al [57]. Instead of annotating the images in detail, i.e.…”

Section: Ulcer Detection Methodsmentioning

confidence: 99%

See 1 more Smart Citation

The future of capsule endoscopy in clinical practice: from diagnostic to therapeutic experimental prototype capsules

Vasilakakis

Koulaouzidis

Marlicz

et al. 2020

Self Cite

View full text Add to dashboard Cite

Capsule endoscopy (CE) is indicated as a first-line clinical examination for the detection of small-bowel pathology, and there is an ever-growing drive for it to become a method for the screening of the entire gastrointestinal tract (GI). Although CE's main function is diagnosis, the research for therapeutic capabilities has intensified to make therapeutic capsule endoscopy (TCE) a target within reach. This manuscript presents the research evolution of CE and TCE through the last 5 years and describes notable problems, as well as clinical and technological challenges to overcome. This review also reports the state-of-the-art of capsule devices with a focus on CE research prototypes promising an enhanced diagnostic yield (DY) and treatment. Lastly, this article provides an overview of the research progress made in software for enhancing DY by increasing the accuracy of abnormality detection and lesion localisation. The future of capsule endoscopy-experimental devices for diagnosis and therapy Gastroenterology Review

show abstract

Section: Ulcer Detection Methodsmentioning

confidence: 99%

“…A system capable of using weakly annotated images was proposed by Vasilakakis et al . [ 57 ]. Instead of annotating the images in detail, i.e.…”

Section: State-of-the-art Abnormality Detection Softwarementioning

confidence: 99%

The future of capsule endoscopy in clinical practice: from diagnostic to therapeutic experimental prototype capsules

Vasilakakis

Koulaouzidis

Marlicz

et al. 2020

Self Cite

View full text Add to dashboard Cite

show abstract

“…Several other relevant applications have been proposed for other kinds of abnormalities. For example, in [ 17 ] our earlier approach [ 6 ] was applied for weakly-supervised inflammatory lesion detection. The machine-learning approach used is called weakly-supervised because the images used for the training of the classifier need not be annotated in detail (pixel-by-pixel); instead, only keywords semantically describing their content are sufficient.…”

Section: Introductionmentioning

confidence: 99%

DINOSARC: Color Features Based on Selective Aggregation of Chromatic Image Components for Wireless Capsule Endoscopy

Vasilakakis

Iakovidis

Spyrou

et al. 2018

Computational and Mathematical Methods in Medicine

Self Cite

View full text Add to dashboard Cite

Wireless Capsule Endoscopy (WCE) is a noninvasive diagnostic technique enabling the inspection of the whole gastrointestinal (GI) tract by capturing and wirelessly transmitting thousands of color images. Proprietary software “stitches” the images into videos for examination by accredited readers. However, the videos produced are of large length and consequently the reading task becomes harder and more prone to human errors. Automating the WCE reading process could contribute in both the reduction of the examination time and the improvement of its diagnostic accuracy. In this paper, we present a novel feature extraction methodology for automated WCE image analysis. It aims at discriminating various kinds of abnormalities from the normal contents of WCE images, in a machine learning-based classification framework. The extraction of the proposed features involves an unsupervised color-based saliency detection scheme which, unlike current approaches, combines both point and region-level saliency information and the estimation of local and global image color descriptors. The salient point detection process involves estimation of DIstaNces On Selective Aggregation of chRomatic image Components (DINOSARC). The descriptors are extracted from superpixels by coevaluating both point and region-level information. The main conclusions of the experiments performed on a publicly available dataset of WCE images are (a) the proposed salient point detection scheme results in significantly less and more relevant salient points; (b) the proposed descriptors are more discriminative than relevant state-of-the-art descriptors, promising a wider adoption of the proposed approach for computer-aided diagnosis in WCE.

show abstract

“…΄Ολο και περισσότερα συστήματα άρχισαν να παρουσιάζονται με σκοπό να μειώσουν το πλήθος των οργανικών βλαβών που μπορεί να μην εντοπιστούν κατά την διάρκεια μιας γαστρεντερικής ενδοσκόπησης [82]. Τα συστήματα επικεντρώνονται στο να αναγνωρίσουν μόνο έναν τύπο ή κάποιους λίγους τύπους γαστρεντερικής παθογένειας [66], όπως πολύποδες [14,69,87,107,124,123,140] ή έλκος και πολύποδες [73], καρκίνο του οισοφάγου [130], κοιλιοκάκι [135], φλεγμονές του εντέρου [45,131] και αιμορραγίες στο γαστρεντερικό σωλήνα [67,68,137]. Πρόσφατες δημοσιεύσεις παρουσιάζουν συστήματα που τείνουν να είναι γενικότερου τύπου, αναγνωρίζοντας ένα μεγάλο σύνολο διαφορετικών παθολογικών καταστάσεων.…”

Section: βιβλιογραφική αναφορά συστημάτων ιατρικών αποφάσεων του γαστρεντερικού σωλήναunclassified

“…Μια άλλη κατηγορία μεθόδων είναι οι Ασθενείς Μέθοδοι Επιβλεπόμενης Μάθησης (Α-ΜΕΜ) για το πρόβλημα της αναγνώρισης παθογενειών σε εικόνες του γαστρεντερικού σωλήνα, όπου που χρησιμοποιούν την μέθοδο εξαγωγής χαρακτηριστικών "Ομάδων εικονικών Λέξεων" (ΟεΛ), (Bag of visual Words). Οι εργασίες που στηρίζονται στην εξαγωγή χαρακτηριστικών από τις ΟεΛ δημιουργούν το "λεξιλόγιο" από πληροφορίες όπως, το ιστόγραμμα διαφορετικών χρωματικών χώρων για τον εντοπισμό αιμορραγίας [137], του χρωματικού χώρου του CIE-Lab [131] για την αναγνώριση φλεγμονών του εντέρου ή τον συνδυασμό Χαρακτηριστικών Αμετάβλητων στις Διαστάσεις της εικόνας (ΧΑΔ) (Scale-Invariant Feature Transforma SIFT) με ένα ιστόγραμμα τοπικού δυαδικού προτύπου (complete Local Binary Pattern histogram) για τον εντοπισμό πολύποδων [136].…”

Section: βιβλιογραφική αναφορά συστημάτων ιατρικών αποφάσεων του γαστρεντερικού σωλήναunclassified

Μέθοδοι Υπολογιστικής Νοημοσύνης Για Εφαρμογές Σε Περιβάλλοντα Διάχυτης Νοημοσύνης

Georgakopoulos¹,

Γεωργακόπουλος²

View full text Add to dashboard Cite

Η παρούσα διατριβή ασχολείται με προβλήματα του τομέα της Περιβάλλουσας Νοημοσύνης θεμελιώνοντας λύσεις, μελετώντας και αναπτύσσοντας καινοτόμες μεθοδολογίες του τομέα της Υπολογιστικής Νοημοσύνης, για την ενσωμάτωση “ευφυίας” και “αντίληψης” στις συσκευές σε σχέση με τον περιβάλλοντα χώρο τους. Η παρούσα διατριβή οργανώνεται ως εξής:Στο Κεφάλαιο 1 παρέχουμε τους βασικούς άξονες της Περιβάλλουσας Νοημοσύνης. Παρουσιάζουμε ανοιχτά προβλήματα με τα οποία ασχολείται η Περιβάλλουσα Νοημοσύνη συνοψίζοντας, τις κατηγορίες προβλημάτων που θα ασχοληθούμε και εμείς στην παρούσα διδακτορική διατριβή.Στο Κεφάλαιο 2 περιγράφουμε βασικές μεθοδολογίες που θα χρησιμοποιηθούν στη συνέχεια των κεφαλαίων. Αφιερώνεται κυρίως στη δομή και λειτουργία των Νευρωνικών Δικτύων Συνελίξεων, στα προβλήματα στα οποία εφαρμόζονται ενώ γίνεται και μια ιστορική αναδρομή στο πρόγονό τους, τα Τεχνητά Νευρωνικά Δίκτυα. Στα επόμενα δύο κεφάλαια μελετάται το πρόβλημα της αυτόματης αναγνώρισης της στάσης του ανθρώπου, μέσω ευρυγώνιας κάμερας τοποθετημένης στην οροφή ενός δωματίου. Πιοσυγκεκριμένα στο Κεφάλαιο 3 αναπτύσσεται ένας νέος ολικός περιγραφέας εξαγωγής χαρακτηριστικών σε εικόνες ευρυγώνιας κάμερας. Ο περιγραφέας αυτός εμφανίζει ανοχή στιςαλλοιώσεις του αντικειμένου στο συγκεκριμένο τύπο κάμερας.Στο Κεφάλαιο 4 συνεχίζουμε την μελέτη του προβλήματος αναγνώρισης της στάσης του ανθρώπου, προτείνοντας μια υβριδική αρχιτεκτονική Νευρωνικών Δικτύων Συνελίξεων με επαυξημένη πληροφορία. Το δίκτυο ενισχύθηκε με την επιπλέον πληροφορία των ολικών περιγραφέων που παρουσιάστηκαν στο προηγούμενο κεφάλαιο, ενώ εφαρμόστηκε η τεχνική μεταφοράς γνώσης για βελτίωση των τελικών αποτελεσμάτων.Στο Κεφάλαιο 5 μελετάται ένα πρόβλημα της Περιβάλλουσας Νοημοσύνης που σχετίζεται με τα Βοηθητικά Περιβάλλοντα και συγκεκριμένα με τον έγκαιρο και έγκυρο εντοπισμό της πτώσης ενός ατόμου. Για το πρόβλημα αυτό προτείνεται μια μεθοδολογία χαμηλής υπολογιστικής ισχύος, κάνοντας ανάλυση πολυδιάστατων σημάτων φορητών ή φορετών συσκευών.Το Κεφάλαιο 6 πραγματεύεται το πρόβλημα αυτόματου εντοπισμού παθογενών καταστάσεων του γαστρεντερικού σωλήνα, κάνοντας χρήση ασύρματης ενδοσκοπικής κάψουλας. Προτείνεται μια ολιστική μεθοδολογία ασθενούς εκπαίδευσης βασιζόμενη στα Νευρωνικά Δίκτυα Συνελίξεων για τον χαρακτηρισμό και εντοπισμό παθολογικών καταστάσεων πάνω σε εικόνες.Η παρουσίαση του ερευνητικού έργου αυτής της διατριβής ολοκληρώνεται με το Κεφάλαιο 7, όπου προτάθηκε και μελετήθηκε εκτενώς μια μέθοδος εκπαίδευσης Νευρωνικών Δικτύων Συνελίξεων με αυτόματη προσαρμογή του ρυθμού εκμάθησης. Η μέθοδος που προτείνουμε μπορεί και προσαρμόζει τον αρχικό ρυθμό εκμάθησης σε ένα σταθερό μικρό εύρος τιμών ανεξάρτητα της αρχικής τιμής του. Η παρουσίαση της διατριβής ολοκληρώνεται με το Κεφάλαιο 8 όπου εμπεριέχονται τα γενικά συμπεράσματα της διατριβής.

show abstract

Weakly-Supervised Lesion Detection in Video Capsule Endoscopy Based on a Bag-of-Colour Features Model

Cited by 16 publications

References 19 publications

The future of capsule endoscopy in clinical practice: from diagnostic to therapeutic experimental prototype capsules

The future of capsule endoscopy in clinical practice: from diagnostic to therapeutic experimental prototype capsules

DINOSARC: Color Features Based on Selective Aggregation of Chromatic Image Components for Wireless Capsule Endoscopy

Μέθοδοι Υπολογιστικής Νοημοσύνης Για Εφαρμογές Σε Περιβάλλοντα Διάχυτης Νοημοσύνης

Contact Info

Product

Resources

About