論文の概要: Segmentation and Vascular Vectorization for Coronary Artery by Geometry-based Cascaded Neural Network

• arxiv url: http://arxiv.org/abs/2305.04208v1
• Date: Sun, 7 May 2023 07:26:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 17:02:38.997113
• Title: Segmentation and Vascular Vectorization for Coronary Artery by Geometry-based Cascaded Neural Network
• Title（参考訳）: Geometry-based Cascaded Neural Network による冠動脈の分節と血管ベクトル化
• Authors: Xiaoyu Yang, Lijian Xu, Simon Yu, Qing Xia, Hongsheng Li, Shaoting Zhang
• Abstract要約: そこで本研究では,冠動脈の形状をベースとしたカスケード分割法を提案する。 冠動脈のメッシュは連続的かつ正確であり, ねじれ, 洗練された冠状動脈構造を有する。 本手法は, 分節血管の断片化を伴わない, 正確で無傷でスムーズな冠動脈を作製する。
• 参考スコア（独自算出の注目度）: 26.88627331841325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation of the coronary artery is an important task for the quantitative analysis of coronary computed tomography angiography (CCTA) images and is being stimulated by the field of deep learning. However, the complex structures with tiny and narrow branches of the coronary artery bring it a great challenge. Coupled with the medical image limitations of low resolution and poor contrast, fragmentations of segmented vessels frequently occur in the prediction. Therefore, a geometry-based cascaded segmentation method is proposed for the coronary artery, which has the following innovations: 1) Integrating geometric deformation networks, we design a cascaded network for segmenting the coronary artery and vectorizing results. The generated meshes of the coronary artery are continuous and accurate for twisted and sophisticated coronary artery structures, without fragmentations. 2) Different from mesh annotations generated by the traditional marching cube method from voxel-based labels, a finer vectorized mesh of the coronary artery is reconstructed with the regularized morphology. The novel mesh annotation benefits the geometry-based segmentation network, avoiding bifurcation adhesion and point cloud dispersion in intricate branches. 3) A dataset named CCA-200 is collected, consisting of 200 CCTA images with coronary artery disease. The ground truths of 200 cases are coronary internal diameter annotations by professional radiologists. Extensive experiments verify our method on our collected dataset CCA-200 and public ASOCA dataset, with a Dice of 0.778 on CCA-200 and 0.895 on ASOCA, showing superior results. Especially, our geometry-based model generates an accurate, intact and smooth coronary artery, devoid of any fragmentations of segmented vessels.
• Abstract（参考訳）: 冠動脈の分節化は、冠動脈ct血管造影(ccta)画像の定量的解析に重要な課題であり、深層学習の分野によって刺激されている。 しかし、冠状動脈の枝が小さくて狭い複雑な構造は大きな課題となる。 低解像度と低コントラストの医療画像制限と組み合わせて、分割された血管の断片化が予測に頻繁に発生する。 そこで, 冠状動脈に対して幾何学に基づくカスケード・セグメンテーション法が提案されている。 1) 形状変形ネットワークを統合し, 冠動脈の分節化とベクトル化を行うカスケードネットワークを設計する。 冠動脈のメッシュは、断片化することなく、ねじれ、洗練された冠動脈構造に対して連続的かつ正確である。 2)voxelラベルを用いた従来のマーチングキューブ法によるメッシュアノテーションとは異なり,冠状動脈の微細なベクトル化メッシュを正規化した形態で再構成する。 メッシュアノテーションは幾何学に基づくセグメンテーションネットワークの恩恵を受け、複雑な枝の分岐と点雲の分散を避ける。 3)冠状動脈疾患を伴う200ccta画像からなるcca-200というデータセットが収集される。 200例の根底真理は、専門放射線科医による冠動脈内径アノテーションである。 CCA-200とパブリックASOCAデータセットでは,CCA-200では0.778,ASOCAでは0.895であり,より優れた結果が得られた。 特に、我々の幾何学的モデルでは、分割された血管の断片化を伴わない正確で無傷で滑らかな冠動脈を生成する。

関連論文リスト

• AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
  CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
  論文  参考訳（メタデータ） (2024-06-13T01:04:47Z)
• MPSeg : Multi-Phase strategy for coronary artery Segmentation [9.767759441883008]
  冠動脈セグメンテーションのための革新的多相戦略であるMPSegを提案する。 本手法は,これらの構造的複雑度に特化しており,SynTAXスコアの原理に準拠している。 特に, 自動冠状動脈疾患診断では, 異常な効果が認められた。
  論文  参考訳（メタデータ） (2023-11-17T03:33:09Z)
• Hyper Association Graph Matching with Uncertainty Quantification for Coronary Artery Semantic Labeling [4.9679652736351905]
  ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。 冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
  論文  参考訳（メタデータ） (2023-08-20T16:59:17Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Structure-aware registration network for liver DCE-CT images [50.28546654316009]
  セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。 提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
  論文  参考訳（メタデータ） (2023-03-08T14:08:56Z)
• Computed tomography coronary angiogram images, annotations and associated data of normal and diseased arteries [8.516530964229814]
  CTCAは冠動脈の解剖と疾患を評価する非侵襲的手法である。 私たちの知る限り、完全な冠状樹の中心線とセグメンテーションを含むパブリックデータセットはありません。 データは、患者固有の3Dプリンティングモデル、セグメンテーションアルゴリズムの開発と検証、医療従事者の教育と訓練、医療機器のテストなど、様々な研究目的に使用できる。
  論文  参考訳（メタデータ） (2022-11-03T14:50:43Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• FocusNetv2: Imbalanced Large and Small Organ Segmentation with Adversarial Shape Constraint for Head and Neck CT Images [82.48587399026319]
  organ-at-risk (oars) は、健康な臓器の損傷を避けるために放射線治療計画において重要なステップである。 本研究では,この課題を解決するために,2段階の深層ニューラルネットワークであるFocusNetv2を提案する。 従来のFocusNetに加えて,小臓器に新たな対角的形状制約を導入し,推定小臓器形状と臓器形状との整合性を確保する。
  論文  参考訳（メタデータ） (2021-04-05T04:45:31Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Coronary Wall Segmentation in CCTA Scans via a Hybrid Net with Contours Regularization [35.428157385902644]
  冠状動脈の新しい境界検出法を提案する。 提案手法は, 最先端の精度に優れるスムーズな閉境界を生成することができる。
  論文  参考訳（メタデータ） (2020-02-27T17:06:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。