論文の概要: CAS-GAN for Contrast-free Angiography Synthesis

• arxiv url: http://arxiv.org/abs/2410.08490v2
• Date: Thu, 12 Dec 2024 11:45:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-13 17:00:59.403878
• Title: CAS-GAN for Contrast-free Angiography Synthesis
• Title（参考訳）: コントラストフリー血管造影のためのCAS-GAN
• Authors: De-Xing Huang, Xiao-Hu Zhou, Mei-Jiang Gui, Xiao-Liang Xie, Shi-Qi Liu, Shuang-Yi Wang, Hao Li, Tian-Yu Xiang, Zeng-Guang Hou,
• Abstract要約: 本稿では「仮想コントラストエージェント」として機能する新しいGANフレームワークであるCAS-GANについて述べる。 本手法は,X線アンギオグラフィーを背景および血管成分に分解し,医学的先行知識を活用する。 CAS-GANのFIDは5.87,MDは0.016であった。
• 参考スコア（独自算出の注目度）: 15.450328147657531
• License:
• Abstract: Iodinated contrast agents are widely utilized in numerous interventional procedures, yet posing substantial health risks to patients. This paper presents CAS-GAN, a novel GAN framework that serves as a "virtual contrast agent" to synthesize X-ray angiographies via disentanglement representation learning and vessel semantic guidance, thereby reducing the reliance on iodinated contrast agents during interventional procedures. Specifically, our approach disentangles X-ray angiographies into background and vessel components, leveraging medical prior knowledge. A specialized predictor then learns to map the interrelationships between these components. Additionally, a vessel semantic-guided generator and a corresponding loss function are introduced to enhance the visual fidelity of generated images. Experimental results on the XCAD dataset demonstrate the state-of-the-art performance of our CAS-GAN, achieving a FID of 5.87 and a MMD of 0.016. These promising results highlight {\tt CAS-GAN}'s potential for clinical applications.
• Abstract（参考訳）: ヨウ化コントラスト剤は、多くの介入手順で広く利用されるが、患者にかなりの健康リスクをもたらす。 CAS-GANは「仮想コントラスト剤」として機能し,異方性表現学習と血管意味指導を通じてX線アンジオグラフィーを合成し,介入手順中のヨウ素化コントラスト剤への依存を低減させる新規なGANフレームワークである。 具体的には,X線アンギオグラフィーを背景および血管成分に分解し,医学的先行知識を活用する。 特殊予測器は、これらのコンポーネント間の相互関係をマップする。 さらに、生成した画像の視覚的忠実度を高めるために、容器意味誘導ジェネレータとそれに対応する損失関数を導入する。 CAS-GANのFIDは5.87,MDは0.016であった。 これらの有望な結果は、臨床応用に対する {\tt CAS-GAN} の可能性を浮き彫りにしている。

関連論文リスト

• DGSSA: Domain generalization with structural and stylistic augmentation for retinal vessel segmentation [17.396365010722423]
  網膜血管形態は糖尿病、緑内障、高血圧などの疾患の診断に重要である。 従来のセグメンテーション手法は、トレーニングとテストのデータが同様の分布を共有していると仮定する。 本稿では,網膜血管画像分割のための新しいアプローチ DGSSA を提案する。
  論文  参考訳（メタデータ） (2025-01-07T01:47:57Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• VALD-MD: Visual Attribution via Latent Diffusion for Medical Diagnostics [0.0]
  医用画像における視覚的属性は、医用画像の診断関連成分を明確にすることを目指している。 本稿では、潜在拡散モデルとドメイン固有大言語モデルを組み合わせた新しい生成的視覚属性手法を提案する。 結果として生じるシステムは、ゼロショット局所化疾患誘導を含む様々な潜在能力を示す。
  論文  参考訳（メタデータ） (2024-01-02T19:51:49Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• C-DARL: Contrastive diffusion adversarial representation learning for label-free blood vessel segmentation [39.79157116429435]
  本稿では,C-DARLモデルと呼ばれる自己教師型血管分割手法を提案する。 本モデルは,多領域血管データの分布を学習する拡散モジュールと生成モジュールから構成される。 有効性を検証するために、C-DARLは冠動脈血管造影、腹部デジタルサブトラクション血管造影、網膜画像などの様々な血管データセットを用いて訓練される。
  論文  参考訳（メタデータ） (2023-07-31T23:09:01Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• A Deep learning Approach to Generate Contrast-Enhanced Computerised Tomography Angiography without the Use of Intravenous Contrast Agents [2.2840399926157806]
  我々は,この非コントラスト変換タスク(NC2C)に対して,2次元サイクル生成適応ネットワークを訓練した。 このパイプラインは、非コントラストCT画像において、視覚的に非コヒーレントな軟組織領域を区別することができる。
  論文  参考訳（メタデータ） (2020-03-02T22:20:08Z)

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。