메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Vitchaya Siripoppohn (Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, Thai) Rapat Pittayanon (Division of Gastroenterology, Department of Medicine, Faculty of Medicine, Chulalongkorn University) Kasenee Tiankanon (Division of Gastroenterology, Department of Medicine, Faculty of Medicine, Chulalongkorn University) Natee Faknak (Division of Gastroenterology, Department of Medicine, Faculty of Medicine, Chulalongkorn University) Anapat Sanpavat (Department of Pathology, Faculty of Medicine, Chulalongkorn University and King Chulalongkorn Memor) Naruemon Klaikaew (Department of Pathology, Faculty of Medicine, Chulalongkorn University and King Chulalongkorn Memor) Peerapon Vateekul (Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, Thai) Rungsun Rerknimitr (Division of Gastroenterology, Department of Medicine, Faculty of Medicine, Chulalongkorn University)
저널정보
대한소화기내시경학회 Clinical Endoscopy Clinical Endoscopy 제55권 제3호
발행연도
2022.5
수록면
390 - 400 (11page)
DOI
10.5946/ce.2022.005

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Background/Aims: Previous artificial intelligence (AI) models attempting to segment gastric intestinal metaplasia (GIM) areas havefailed to be deployed in real-time endoscopy due to their slow inference speeds. Here, we propose a new GIM segmentation AI modelwith inference speeds faster than 25 frames per second that maintains a high level of accuracy. Methods: Investigators from Chulalongkorn University obtained 802 histological-proven GIM images for AI model training. Fourstrategies were proposed to improve the model accuracy. First, transfer learning was employed to the public colon datasets. Second, animage preprocessing technique contrast-limited adaptive histogram equalization was employed to produce clearer GIM areas. Third,data augmentation was applied for a more robust model. Lastly, the bilateral segmentation network model was applied to segment GIMareas in real time. The results were analyzed using different validity values. Results: From the internal test, our AI model achieved an inference speed of 31.53 frames per second. GIM detection showed sensitivity,specificity, positive predictive, negative predictive, accuracy, and mean intersection over union in GIM segmentation values of 93%,80%, 82%, 92%, 87%, and 57%, respectively. Conclusions: The bilateral segmentation network combined with transfer learning, contrast-limited adaptive histogram equalization,and data augmentation can provide high sensitivity and good accuracy for GIM detection and segmentation.
#Artificial intelligence #Deep learning #Gastric intestinal metaplasia #Real-time #Semantic segmentation

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0