内窥镜伪影检测（EAD 2019）挑战赛数据集
计算机视觉与模式识别
2019-05-09 v1 人工智能
机器学习
图像与视频处理
摘要
内窥镜伪影是促进空腔脏器疾病诊断和治疗的核心挑战。精确检测像素饱和、运动模糊、镜面反射、气泡和碎屑等特定伪影，对于高质量帧恢复至关重要，且对于实现可靠的计算机辅助工具以改善患者护理至关重要。目前，由于视频帧中大量存在多类伪影，内窥镜中的大多数视频尚未得到分析。通过内窥镜伪影检测（EAD 2019）挑战赛，我们通过解决内窥镜帧伪影的准确识别与定位来应对这一关键瓶颈问题，以实现对不可用视频帧的进一步关键定量分析，如图像拼接和 3D 重建，这对于提供改善的患者护理至关重要。本文总结了挑战赛任务，并描述了 EAD 2019 挑战赛中建立的数据集和评估标准。
关键词
引用
@article{arxiv.1905.03209,
title = {Endoscopy artifact detection (EAD 2019) challenge dataset},
author = {Sharib Ali and Felix Zhou and Christian Daul and Barbara Braden and Adam Bailey and Stefano Realdon and James East and Georges Wagnières and Victor Loschenov and Enrico Grisan and Walter Blondel and Jens Rittscher},
journal= {arXiv preprint arXiv:1905.03209},
year = {2019}
}
备注
12 pages, EAD2019 dataset description