論文の概要: Hyper Association Graph Matching with Uncertainty Quantification for Coronary Artery Semantic Labeling

• arxiv url: http://arxiv.org/abs/2308.10320v1
• Date: Sun, 20 Aug 2023 16:59:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 16:09:21.029036
• Title: Hyper Association Graph Matching with Uncertainty Quantification for Coronary Artery Semantic Labeling
• Title（参考訳）: 冠動脈セマンティックラベリングにおけるハイパーアソシエーショングラフマッチングと不確かさ定量化
• Authors: Chen Zhao, Michele Esposito, Zhihui Xu, Weihua Zhou
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.9679652736351905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coronary artery disease (CAD) is one of the primary causes leading to death worldwide. Accurate extraction of individual arterial branches on invasive coronary angiograms (ICA) is important for stenosis detection and CAD diagnosis. However, deep learning-based models face challenges in generating semantic segmentation for coronary arteries due to the morphological similarity among different types of coronary arteries. To address this challenge, we propose an innovative approach using the hyper association graph-matching neural network with uncertainty quantification (HAGMN-UQ) for coronary artery semantic labeling on ICAs. The graph-matching procedure maps the arterial branches between two individual graphs, so that the unlabeled arterial segments are classified by the labeled segments, and the coronary artery semantic labeling is achieved. By incorporating the anatomical structural loss and uncertainty, our model achieved an accuracy of 0.9345 for coronary artery semantic labeling with a fast inference speed, leading to an effective and efficient prediction in real-time clinical decision-making scenarios.
• Abstract（参考訳）: 冠動脈疾患(CAD)は、世界中で死因の一つとなっている。 侵襲的冠動脈造影(ica)による動脈枝の正確な抽出は狭窄の検出とcad診断に重要である。 しかし, 深層学習モデルでは, 冠状動脈の形態的類似性から, 冠状動脈の意味的セグメンテーションの生成が困難である。 そこで本研究では,冠状動脈意味表示のための不確実性定量化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(hagmn-uq)を用いた新しいアプローチを提案する。 グラフマッチング手順は、2つの個別グラフ間の動脈枝をマッピングし、ラベル付きセグメントによって未ラベルの動脈節を分類し、冠状動脈意味的ラベル付けを実現する。 解剖学的構造的損失と不確かさを取り入れることで,高速な推論速度で冠動脈セマンティックラベリングの精度0.9345を達成し,リアルタイム臨床診断のシナリオにおいて効果的かつ効率的な予測が可能となった。

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)
• Multi-graph Graph Matching for Coronary Artery Semantic Labeling [4.238852424523291]
  冠状動脈意味的ラベル付けのためのマルチグラフグラフマッチング(MGM)アルゴリズムを提案する。 MGMアルゴリズムは、複数の血管木グラフにおける動脈間の類似性を評価し、各グラフ間のサイクル整合性を考慮して評価する。 718 ICAを用いた多地点データセットを用いて冠動脈セマンティックラベリングの精度0.9471の精度を実現した。
  論文  参考訳（メタデータ） (2024-02-24T20:02:00Z)
• 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)
• 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)
• Coronary Artery Semantic Labeling using Edge Attention Graph Matching Network [4.316187690050619]
  冠状動脈疾患 (CAD) は、世界中の死因の1つである。 本稿では,冠動脈セマンティックラベリングのためのエッジアテンショングラフマッチングネットワーク(EAGMN)を提案する。
  論文  参考訳（メタデータ） (2023-05-21T03:14:42Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• AGMN: Association Graph-based Graph Matching Network for Coronary Artery Semantic Labeling on Invasive Coronary Angiograms [3.475534733052516]
  冠状動脈意味的ラベル付けのためのアソシエーショングラフベースのグラフマッチングネットワーク(AGMN)を提案する。 AGMNモデルの平均精度は0.8264、平均精度は0.8276、平均リコールは0.8264、F1スコアは0.8262である。
  論文  参考訳（メタデータ） (2023-01-11T21:54:28Z)
• 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)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Automated Intracranial Artery Labeling using a Graph Neural Network and Hierarchical Refinement [45.85443690049826]
  属性付きリレーショナルグラフにおけるノードとエッジのタイプを分類し,動脈をラベル付けするグラフニューラルネットワーク(GNN)手法を提案する。 我々の手法は97.5%の精度でノードラベリングを行い、63.8%のスキャンはウィリスのすべてのノードに対して正しくラベル付けされた。
  論文  参考訳（メタデータ） (2020-07-11T06:22:35Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。