論文の概要: A topology-preserving three-stage framework for fully-connected coronary artery extraction
- arxiv url: http://arxiv.org/abs/2504.01597v1
- Date: Wed, 02 Apr 2025 11:04:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-03 13:21:27.520375
- Title: A topology-preserving three-stage framework for fully-connected coronary artery extraction
- Title（参考訳）: 完全冠状動脈抽出のためのトポロジー保存型3段階構造
- Authors: Yuehui Qiu, Dandan Shan, Yining Wang, Pei Dong, Dijia Wu, Xinnian Yang, Qingqi Hong, Dinggang Shen,
- Abstract要約: 冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。
完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。
このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
- 参考スコア（独自算出の注目度）: 39.47027832777158
- License:
- Abstract: Coronary artery extraction is a crucial prerequisite for computer-aided diagnosis of coronary artery disease. Accurately extracting the complete coronary tree remains challenging due to several factors, including presence of thin distal vessels, tortuous topological structures, and insufficient contrast. These issues often result in over-segmentation and under-segmentation in current segmentation methods. To address these challenges, we propose a topology-preserving three-stage framework for fully-connected coronary artery extraction. This framework includes vessel segmentation, centerline reconnection, and missing vessel reconstruction. First, we introduce a new centerline enhanced loss in the segmentation process. Second, for the broken vessel segments, we further propose a regularized walk algorithm to integrate distance, probabilities predicted by a centerline classifier, and directional cosine similarity, for reconnecting the centerlines. Third, we apply implicit neural representation and implicit modeling, to reconstruct the geometric model of the missing vessels. Experimental results show that our proposed framework outperforms existing methods, achieving Dice scores of 88.53\% and 85.07\%, with Hausdorff Distances (HD) of 1.07mm and 1.63mm on ASOCA and PDSCA datasets, respectively. Code will be available at https://github.com/YH-Qiu/CorSegRec.
- Abstract（参考訳）: 冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。
完全冠状樹の正確な抽出は, 細い遠位血管の存在, 硬いトポロジー構造, コントラストの不足など, いくつかの要因により, 依然として困難である。
これらの問題は、しばしば現在のセグメンテーション法において過剰なセグメンテーションと過小セグメンテーションをもたらす。
これらの課題に対処するために,完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。
このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
まず,セグメンテーションプロセスにおける新たな中心線拡張損失を導入する。
第2に, 故障した船体セグメントに対して, 距離, 中心線分類器によって予測される確率, 方向コサイン類似性を, 中心線を再接続するための正規化ウォークアルゴリズムを提案する。
第3に、欠損血管の幾何学的モデル再構築に暗黙的神経表現と暗黙的モデリングを適用した。
実験の結果,提案手法は既存の手法よりも優れており,Diceスコアは88.53\%,85.07\%,Hausdorff Distances(HD)は1.07mm,PDSCAデータセットは1.63mmであった。
コードはhttps://github.com/YH-Qiu/CorSegRec.comで入手できる。
関連論文リスト
- Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。
本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文 参考訳（メタデータ） (2025-02-07T21:09:05Z) - Centerline Boundary Dice Loss for Vascular Segmentation [6.988368827452061]
画像診断における血管セグメンテーションは形態学的および機能的評価を分析する上で重要な役割を担っている。
中央のDice(clDice)損失のような伝統的な手法は、トポロジーの保存を確実にするが、幾何学的詳細を捉えることには失敗する。
位相整合性と幾何ニュアンスを調和させる中心線境界Dice(cbDice)損失関数を導入する。
論文 参考訳（メタデータ） (2024-07-01T17:58:44Z) - 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) - Morphology Edge Attention Network and Optimal Geometric Matching
Connection model for vascular segmentation [3.6368619769561668]
本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。
また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。
本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
論文 参考訳（メタデータ） (2023-06-02T01:52:35Z) - Segmentation and Vascular Vectorization for Coronary Artery by
Geometry-based Cascaded Neural Network [26.88627331841325]
そこで本研究では,冠動脈の形状をベースとしたカスケード分割法を提案する。
冠動脈のメッシュは連続的かつ正確であり, ねじれ, 洗練された冠状動脈構造を有する。
本手法は, 分節血管の断片化を伴わない, 正確で無傷でスムーズな冠動脈を作製する。
論文 参考訳（メタデータ） (2023-05-07T07:26:41Z) - 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) - Hierarchical Deep Network with Uncertainty-aware Semi-supervised
Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。
提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-05-31T06:55:43Z) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳（メタデータ） (2020-03-16T16:27:49Z) - AttentionAnatomy: A unified framework for whole-body organs at risk
segmentation using multiple partially annotated datasets [30.23917416966188]
CT(Computed tomography)におけるOAR(Organs-at-risk)記述は,放射線治療(RT)計画において重要なステップである。
提案したエンドツーエンドの畳み込みニューラルネットワークモデルである textbfAttentionAnatomy は、3つの部分注釈付きデータセットで共同でトレーニングできる。
提案手法の実験結果から, ソレンセン・ディース係数 (DSC) と95%ハウスドルフ距離の両面で有意な改善が得られた。
論文 参考訳（メタデータ） (2020-01-13T18:31:34Z)
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。