Improving Foundation Model for Endoscopy Video Analysis via Representation Learning on Long Sequences

计算机科学 人工智能 分割 工作流程 模式识别(心理学) 帧(网络) 边距(机器学习) 计算机视觉 机器学习 数据库 电信
作者
Zhao Wang,Chang Liu,Lingting Zhu,Tongtong Wang,Shaoting Zhang,Qi Dou
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:29 (5): 3526-3536 被引量:3
标识
DOI:10.1109/jbhi.2025.3532311
摘要

Recent advancements in endoscopy video analysis have relied on the utilization of relatively short video clips extracted from longer videos or millions of individual frames. However, these approaches tend to neglect the domain-specific characteristics of endoscopy data, which is typically presented as a long stream containing valuable semantic spatial and temporal information. To address this limitation, we propose EndoFM-LV, a foundation model developed under a minute-level pre-training framework upon long endoscopy video sequences. To be specific, we propose a novel masked token modeling scheme within a teacher-student framework for self-supervised video pre-training, which is tailored for learning representations from long video sequences. For pre-training, we construct a large-scale long endoscopy video dataset comprising 6,469 long endoscopic video samples, each longer than 1 minute and totaling over 13 million frames. Our EndoFM-LV is evaluated on four types of endoscopy tasks, namely classification, segmentation, detection, and workflow recognition, serving as the backbone or temporal module. Extensive experimental results demonstrate that our framework outperforms previous state-of-the-art video-based and frame-based approaches by a significant margin, surpassing Endo-FM (5.6% F1, 9.3% Dice, 8.4% F1, and 3.3% accuracy for classification, segmentation, detection, and workflow recognition) and EndoSSL (5.0% F1, 8.1% Dice, 9.3% F1 and 3.1% accuracy for classification, segmentation, detection, and workflow recognition).
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
司空剑封完成签到,获得积分10
刚刚
感谢大家完成签到,获得积分10
1秒前
Echo完成签到,获得积分10
1秒前
尔安完成签到,获得积分10
2秒前
叶子完成签到 ,获得积分10
2秒前
伶俐春天完成签到,获得积分10
2秒前
3秒前
sunshine完成签到 ,获得积分10
3秒前
芝士莓莓完成签到,获得积分10
3秒前
CHEN完成签到,获得积分10
3秒前
淳于安筠完成签到 ,获得积分10
3秒前
乾隆发布了新的文献求助10
3秒前
MQ完成签到,获得积分10
4秒前
babbo完成签到,获得积分10
4秒前
大个的应助被ZZZX采纳,获得10
4秒前
XMUyxy完成签到,获得积分10
4秒前
rush完成签到,获得积分10
4秒前
5秒前
文艺的小海豚完成签到,获得积分10
5秒前
lbh860110发布了新的文献求助30
5秒前
hh完成签到 ,获得积分10
6秒前
lokiuiw发布了新的文献求助10
6秒前
hetao286完成签到,获得积分10
6秒前
赫凯完成签到,获得积分10
6秒前
6秒前
7秒前
斯文败类的应助被名古邬采纳,获得10
7秒前
7秒前
wukong完成签到,获得积分10
7秒前
我要毕业完成签到,获得积分10
8秒前
v0id的应助被www采纳,获得10
8秒前
张凯文完成签到,获得积分10
8秒前
研友_LX7zK8完成签到,获得积分10
8秒前
rcttt完成签到 ,获得积分10
8秒前
tgliu完成签到,获得积分10
8秒前
8秒前
碧蓝贞完成签到,获得积分10
8秒前
bubuyier完成签到 ,获得积分10
9秒前
lx的应助被自觉的问蕊采纳,获得20
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8130151
求助须知:如何正确求助?哪些是违规求助? 9532406
关于积分的说明 21595265
捐赠科研通 7711889
什么是DOI,文献DOI怎么找? 3418072
关于科研通互助平台的介绍 2543760
邀请新用户注册赠送积分活动 2459295