論文の概要: AirMorph: Topology-Preserving Deep Learning for Pulmonary Airway Analysis

• arxiv url: http://arxiv.org/abs/2412.11039v2
• Date: Thu, 08 May 2025 14:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 15:15:32.429333
• Title: AirMorph: Topology-Preserving Deep Learning for Pulmonary Airway Analysis
• Title（参考訳）: AirMorph: 肺気道解析のための位相保存型深層学習
• Authors: Minghui Zhang, Chenyu Li, Fangfang Xie, Yaoyu Liu, Hanxiao Zhang, Junyang Wu, Chunxi Zhang, Jie Yang, Jiayuan Sun, Guang-Zhong Yang, Yun Gu,
• Abstract要約: 本研究では,ロバー,セグメンショナル,サブセグメンショナルレゾリューションにおいて,完全自動かつ包括的な気道解剖学的ラベリングを可能にする,堅牢でエンドツーエンドのディープラーニングパイプラインであるAirMorphを紹介する。 AirMorphは、精度、トポロジ的整合性、完全性の観点から、既存のセグメンテーションとラベリング手法を一貫して上回った。 強い識別力を示し、高い解釈性と説明可能性を持つ疾患特異的な形態パターンを明らかにする。
• 参考スコア（独自算出の注目度）: 33.17242610567077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate anatomical labeling and analysis of the pulmonary structure and its surrounding anatomy from thoracic CT is getting increasingly important for understanding the etilogy of abnormalities or supporting targetted therapy and early interventions. Whilst lung and airway cell atlases have been attempted, there is a lack of fine-grained morphological atlases that are clinically deployable. In this work, we introduce AirMorph, a robust, end-to-end deep learning pipeline enabling fully automatic and comprehensive airway anatomical labeling at lobar, segmental, and subsegmental resolutions that can be used to create digital atlases of the lung. Evaluated across large-scale multi-center datasets comprising diverse pulmonary conditions, the AirMorph consistently outperformed existing segmentation and labeling methods in terms of accuracy, topological consistency, and completeness. To simplify clinical interpretation, we further introduce a compact anatomical signature quantifying critical morphological airway features, including stenosis, ectasia, tortuosity, divergence, length, and complexity. When applied to various pulmonary diseases such as pulmonary fibrosis, emphysema, atelectasis, consolidation, and reticular opacities, it demonstrates strong discriminative power, revealing disease-specific morphological patterns with high interpretability and explainability. Additionally, AirMorph supports efficient automated branching pattern analysis, potentially enhancing bronchoscopic navigation planning and procedural safety, offering a valuable clinical tool for improved diagnosis, targeted treatment, and personalized patient care.
• Abstract（参考訳）: 胸部CTによる肺構造とその周囲の解剖の正確なラベル付けと解析は,異常の病因や標的療法,早期介入の理解にますます重要になっている。 肺と気道の細胞アトラスは試みられているが、臨床的に展開可能な微細な形態的アトラスが欠如している。 本研究では,ロバー,セグメンショナル,サブセグメンショナルレゾリューションにおける完全自動的かつ包括的気道解剖ラベリングを可能にする,堅牢でエンドツーエンドのディープラーニングパイプラインであるAirMorphを紹介する。 様々な肺条件を含む大規模マルチセンターデータセットで評価され、AirMorphは精度、トポロジカル一貫性、完全性の観点から既存のセグメンテーションとラベリング法を一貫して上回った。 臨床的解釈を簡略化するために,狭窄,排便,気道の靭性,発散,長さ,複雑さなど,重要な形態的気道の特徴を定量化するコンパクトな解剖学的シグネチャを導入する。 肺線維症、気腫、無気腫、結石、網膜不透明症などの様々な肺疾患に適用すると、強い識別力を示し、高い解釈性と説明性を持つ疾患特異的な形態パターンが明らかになる。 さらに、AirMorphは効率的な自動分岐パターン分析をサポートし、気管支鏡によるナビゲーション計画と手続き的安全性を高め、診断の改善、標的治療、パーソナライズされた患者ケアのための貴重な臨床ツールを提供する。

関連論文リスト

• Skeleton Supervised Airway Segmentation [27.65479179170118]
  気道に合わせた新しいスケルトンレベルのアノテーション(SkA)を導入し,アノテーションのワークフローを簡素化する。 また,正確な気道セグメンテーションを実現するための骨格教師あり学習フレームワークを提案する。 実験の結果,提案手法はSKAと競合する手法より優れており,その性能は1.96%に過ぎなかった。
  論文  参考訳（メタデータ） (2024-03-11T08:37:03Z)
• AeroPath: An airway segmentation benchmark dataset with challenging pathology [0.0]
  肺気腫から大きな腫瘍まで,27枚のCT画像からなる新しいベンチマークデータセット(AeroPath)を導入する。 本稿では,自動気道セグメンテーションのためのマルチスケール核融合設計について述べる。ATM'22データセットでトレーニングし,AeroPathデータセットでテストし,競合するオープンソース手法に対してさらに評価した。 その結果,AeroPath データセットに含まれる全患者に対して,提案したアーキテクチャが位相的に正しいセグメンテーションを予測できた。
  論文  参考訳（メタデータ） (2023-11-02T10:41:42Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [52.25258289718559]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。 任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
  肺がんは世界中でがんの死因となっている。 現在の肺結節検出法は通常ドメイン固有である。 肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-07T03:17:49Z)
• Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images [17.45239343953272]
  CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。 この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。 第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
  論文  参考訳（メタデータ） (2022-12-15T08:18:37Z)
• Differentiable Topology-Preserved Distance Transform for Pulmonary Airway Segmentation [34.22415353209505]
  気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。 The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。 The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
  論文  参考訳（メタデータ） (2022-09-17T15:47:01Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Evaluation of automated airway morphological quantification for assessing fibrosing lung disease [7.027000487683603]
  気道拡張症は特発性肺線維症(IPF)の典型的特徴である 深層学習に基づく気道セグメンテーションから気道木をその葉と世代枝にパーセルする自動パイプラインであるAirQuantを提案する。
  論文  参考訳（メタデータ） (2021-11-19T21:30:42Z)

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。