Stammdaten

Titel: Post-surgical Endometriosis Segmentation in Laparoscopic Videos
Beschreibung:

Endometriosis is a common women's condition exhibiting a manifold visual appearance in various body-internal locations. Having such properties makes its identification very difficult and error-prone, at least for laymen and non-specialized medical practitioners. In an attempt to provide assistance to gynecologic physicians treating endometriosis, this demo paper describes a system that is trained to segment one frequently occurring visual appearance of endometriosis, namely dark endometrial implants. The system is capable of analyzing laparoscopic surgery videos, annotating identified implant regions with multi-colored overlays and displaying a detection summary for improved video browsing.

Schlagworte: Endometriosis, Lesion Segmentation, Mask R-CNN
Typ: Angemeldeter Vortrag
Homepage: https://cbmi2021.univ-lille.fr/program-1#posteranddemosessions
Veranstaltung: 18th Conference on Content-Based Multimedia Indexing (CBMI 2021) (Lille)
Datum: 28.06.2021
Vortragsstatus: stattgefunden (online)

Zuordnung

Organisation Adresse
Fakultät für Technische Wissenschaften
 
Institut für Informationstechnologie
Universitaetsstr. 65-67
9020 Klagenfurt am Wörthersee
Österreich
   martina.steinbacher@aau.at
http://itec.aau.at/
zur Organisation
Universitaetsstr. 65-67
AT - 9020  Klagenfurt am Wörthersee

Kategorisierung

Sachgebiete
  • 1020 - Informatik
Forschungscluster Kein Forschungscluster ausgewählt
Vortragsfokus
  • Science to Science (Qualitätsindikator: II)
Klassifikationsraster der zugeordneten Organisationseinheiten:
TeilnehmerInnenkreis
  • Überwiegend international
Publiziert?
  • Ja
Arbeitsgruppen
  • Distributed Multimedia Systems

Kooperationen

Organisation Adresse
Universität Ulm
89069 Ulm
Deutschland
DE - 89069  Ulm
Ludwig-Maximilians-Universität
Theresienstraße 39
80333 München
Deutschland
https://www.uni-muenchen.de/index.html
Theresienstraße 39
DE - 80333  München