論文の概要: Multi-graph Graph Matching for Coronary Artery Semantic Labeling

• arxiv url: http://arxiv.org/abs/2402.15894v1
• Date: Sat, 24 Feb 2024 20:02:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-27 16:32:29.102815
• Title: Multi-graph Graph Matching for Coronary Artery Semantic Labeling
• Title（参考訳）: 冠動脈セマンティクスラベリングのためのマルチグラフグラフマッチング
• Authors: Chen Zhao, Zhihui Xu, Pukar Baral, Michel Esposito, Weihua Zhou
• Abstract要約: 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一貫性を考慮に入れている。 提案したMGMモデルでは,冠動脈セマンティックラベリングの精度は0.9471である。
• 参考スコア（独自算出の注目度）: 4.547635673734075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coronary artery disease (CAD) stands as the leading cause of death worldwide, and invasive coronary angiography (ICA) remains the gold standard for assessing vascular anatomical information. However, deep learning-based methods encounter challenges in generating semantic labels for arterial segments, primarily due to the morphological similarity between arterial branches. To address this challenge, we model the vascular tree as a graph and propose a multi-graph graph matching (MGM) algorithm for coronary artery semantic labeling. The MGM algorithm assesses the similarity between arterials in multiple vascular tree graphs, taking into account the cycle consistency between each pair of graphs. This ensures that unannotated arterial segments are appropriately labeled by matching them with annotated segments. Through the incorporation of anatomical graph structure, radiomics features, and semantic mapping, the proposed MGM model achieves an impressive accuracy of 0.9471 for coronary artery semantic labeling. This approach presents a novel tool for coronary artery analysis using ICA videos, offering valuable insights into vascular health and pathology.
• Abstract（参考訳）: 冠状動脈疾患 (cad) は世界中で最も多い死因であり, 侵襲的冠動脈造影 (ica) は血管解剖学的情報を評価するための基準である。 しかし, 深層学習に基づく手法は, 動脈分枝間の形態的類似性から, 動脈分節のセマンティックラベル生成の課題に直面する。 この課題に対処するために,血管木をグラフとしてモデル化し,冠動脈セマンティックラベリング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、各グラフ間の周期一貫性を考慮する。 これにより、注釈なしの動脈セグメントが、注釈付きセグメントとマッチングすることによって適切にラベル付けされることが保証される。 解剖学的グラフ構造,放射線学的特徴,意味マッピングを組み込んだMGMモデルにより,冠動脈セマンティックラベリングの精度は0.9471である。 本手法は, ICAビデオを用いた冠状動脈解析のための新しいツールであり, 血管の健康と病理に関する貴重な知見を提供する。

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)
• A Comparative Study of Population-Graph Construction Methods and Graph Neural Networks for Brain Age Regression [48.97251676778599]
  医用画像では、人口グラフが有望な結果を示しており、主に分類作業に向けられている。 人口グラフの抽出は非自明な作業であり、グラフニューラルネットワーク(GNN)の性能に大きな影響を及ぼす可能性がある 本研究では,有意義なグラフ構築の重要性を強調し,異なる集団グラフ構築手法による実験を行う。
  論文  参考訳（メタデータ） (2023-09-26T10:30:45Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• 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。