ترجمه فارسی مقاله Galar – مجموعه داده کپسول ویدئویی آندوسکوپی بزرگ چند برچسبی

چکیده

Video capsule endoscopy (VCE) is an important technology with many advantages (non-invasive, representation of small bowel), but faces many limitations as well (time-consuming analysis, short battery lifetime, and poor image quality). Artificial intelligence (AI) holds potential to address every one of these challenges, however the progression of machine learning methods is limited by the avaibility of extensive data. We propose Galar, the most comprehensive dataset of VCE to date. Galar consists of 80 videos, culminating in 3,513,539 annotated frames covering functional, anatomical, and pathological aspects and introducing a selection of 29 distinct labels. The multisystem and multicenter VCE data from two centers in Saxony (Germany), was annotated framewise and cross-validated by five annotators. The vast scope of annotation and size of Galar make the dataset a valuable resource for the use of AI models in VCE, thereby facilitating research in diagnostic methods, patient care workflow, and the development of predictive analytics in the field.

چکیده به فارسی (ترجمه ماشینی)

آندوسکوپی کپسول ویدیویی (VCE) یک فناوری مهم با مزایای بسیاری است (غیر تهاجمی ، بازنمایی روده کوچک) ، اما با محدودیت های بسیاری نیز روبرو است (تجزیه و تحلیل وقت گیر ، طول عمر باتری کوتاه و کیفیت ضعیف تصویر).هوش مصنوعی (AI) پتانسیل رسیدگی به هر یک از این چالش ها را دارد ، اما پیشرفت روشهای یادگیری ماشین با قابلیت استفاده از داده های گسترده محدود است.ما گالار ، جامع ترین مجموعه داده VCE را تا به امروز پیشنهاد می کنیم.گالا از 80 فیلم تشکیل شده است که در 3513،539 قاب حاشیه نویسی که جنبه های عملکردی ، آناتومیکی و پاتولوژیک را پوشش می دهد و معرفی 29 برچسب مجزا را در بر می گیرد.داده های Multisystem و Multicenter VCE از دو مرکز در ساکسونی (آلمان) ، فریم به سمت راست حاشیه حاشیه نویسی شد و توسط پنج حاشیه نویسی اعتبار سنجی شد.دامنه وسیعی از حاشیه نویسی و اندازه گالار ، مجموعه داده ها را به یک منبع ارزشمند برای استفاده از مدل های AI در VCE تبدیل کرده و از این طریق تحقیقات در روشهای تشخیصی ، گردش کار مراقبت از بیمار و توسعه تجزیه و تحلیل پیش بینی کننده در این زمینه را تسهیل می کند.