論文の概要: VasTSD: Learning 3D Vascular Tree-state Space Diffusion Model for Angiography Synthesis

• arxiv url: http://arxiv.org/abs/2503.12758v1
• Date: Mon, 17 Mar 2025 02:53:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:29:11.656203
• Title: VasTSD: Learning 3D Vascular Tree-state Space Diffusion Model for Angiography Synthesis
• Title（参考訳）: VasTSD:血管造影のための三次元血管-状態空間拡散モデル
• Authors: Zhifeng Wang, Renjiao Yi, Xin Wen, Chenyang Zhu, Kai Xu,
• Abstract要約: 本研究では,3次元非血管造影ボリュームから血管造影を合成する3次元血管系木-状態空間拡散モデルであるVasTSDを提案する。 事前訓練された視覚埋め込み装置を用いて血管状態空間の表現を構築し、複数のモードにわたる血管構造の一貫したモデリングを可能にする。
• 参考スコア（独自算出の注目度）: 24.51837919255267
• License:
• Abstract: Angiography imaging is a medical imaging technique that enhances the visibility of blood vessels within the body by using contrast agents. Angiographic images can effectively assist in the diagnosis of vascular diseases. However, contrast agents may bring extra radiation exposure which is harmful to patients with health risks. To mitigate these concerns, in this paper, we aim to automatically generate angiography from non-angiographic inputs, by leveraging and enhancing the inherent physical properties of vascular structures. Previous methods relying on 2D slice-based angiography synthesis struggle with maintaining continuity in 3D vascular structures and exhibit limited effectiveness across different imaging modalities. We propose VasTSD, a 3D vascular tree-state space diffusion model to synthesize angiography from 3D non-angiographic volumes, with a novel state space serialization approach that dynamically constructs vascular tree topologies, integrating these with a diffusion-based generative model to ensure the generation of anatomically continuous vasculature in 3D volumes. A pre-trained vision embedder is employed to construct vascular state space representations, enabling consistent modeling of vascular structures across multiple modalities. Extensive experiments on various angiographic datasets demonstrate the superiority of VasTSD over prior works, achieving enhanced continuity of blood vessels in synthesized angiographic synthesis for multiple modalities and anatomical regions.
• Abstract（参考訳）: 血管造影画像(Angiography imaging)は、造影剤を用いて体内の血管の視認性を高める医療画像技術である。 血管造影画像は血管疾患の診断に有効である。 しかし、コントラスト剤は、健康リスクのある患者に有害な余分な放射線曝露をもたらす可能性がある。 そこで本研究では,血管構造の物理的特性を活用して,非血管造影入力から血管造影を自動生成することを目的としている。 従来の2次元スライス法に基づく血管造影法は, 3次元血管構造の連続性維持に難渋し, 様々な画像モダリティに限定的な効果を示した。 本研究では,血管形態を動的に構築する新しい状態空間シリアライズ手法を用いて3次元非血管系から血管造影を合成する3次元血管系空間拡散モデルであるVasTSDを提案する。 事前訓練された視覚埋め込み装置を用いて血管状態空間の表現を構築し、複数のモードにわたる血管構造の一貫したモデリングを可能にする。 各種血管造影データセットの広範囲な実験は、VasTSDが先行研究よりも優れていることを証明し、複数のモダリティと解剖学的領域に対する合成血管造影合成において、血管の連続性の向上を実現した。

関連論文リスト

• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  大規模なデータセットのトレーニングによるスケーリングは、画像生成の品質と忠実度を高め、拡散モデルによる操作を可能にすることが示されている。 遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 本研究は,異なる微調整方式と組み合わせた場合,様々なシナリオにおいて顕著な性能向上を示すものである。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario [0.8749675983608172]
  このモデルは、脳動脈瘤を効率的に検出するために、3D畳み込みニューラルネットワークが使用できる脳動脈のデータセットを提供することを目的としている。 本研究では, 人工血管モデルを網羅的に記述し, 動脈瘤の分節と検出のために設計されたニューラルネットワークを構築し, 合成モデルデータの拡張により得られた性能ギャップの詳細な評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T18:08:24Z)
• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• 3D Vessel Graph Generation Using Denoising Diffusion [4.100929120985704]
  血管ネットワークは3Dグラフとして表現され、疾患のバイオマーカーの予測、血流のシミュレート、合成画像生成の助けとなる。 船体木の生成を目的とした従来手法は, 主に自己回帰型であり, キャピラリーなどの周期を持つ船体グラフには適用できなかった。 本稿では,3次元血管グラフ生成におけるテキストデノナイズ拡散モデルの最初の応用について紹介する。
  論文  参考訳（メタデータ） (2024-07-08T11:39:21Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• 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)
• Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
  本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。 本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-06-19T14:01:47Z)
• Going Off-Grid: Continuous Implicit Neural Representations for 3D Vascular Modeling [3.435923468974656]
  パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。 伝統的にそのようなモデルはメッシュやボクセルマスクのような明示的な表現で構築されてきた。 ここでは、その符号付き距離関数のゼロレベル集合によって、微分可能な暗黙的ニューラル表現(INR)で表面を表現することを提案する。 これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムとの統合が容易な表現で、複雑な血管構造をモデル化できます。
  論文  参考訳（メタデータ） (2022-07-29T13:08:35Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• 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)
• Weakly-supervised 3D coronary artery reconstruction from two-view angiographic images [4.458466062406226]
  本稿では,3次元冠状動脈モデル構築のための対角的および生成的手法を提案する。 3D完全教師付き学習法と2D弱教師付き学習法により,最先端技術を上回る再現精度を得た。
  論文  参考訳（メタデータ） (2020-03-26T11:41:38Z)

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。