論文の概要: A Novel Coronary Artery Registration Method Based on Super-pixel Particle Swarm Optimization

• arxiv url: http://arxiv.org/abs/2505.24351v1
• Date: Fri, 30 May 2025 08:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.8554
• Title: A Novel Coronary Artery Registration Method Based on Super-pixel Particle Swarm Optimization
• Title（参考訳）: 超画素粒子群最適化に基づく新しい冠動脈登録法
• Authors: Peng Qi, Wenxi Qu, Tianliang Yao, Haonan Ma, Dylan Wintle, Yinyi Lai, Giorgos Papanastasiou, Chengjia Wang,
• Abstract要約: 本研究では,Swarm最適化アルゴリズムに基づく新しい多モード冠状動脈画像登録法を提案する。 PCIを施行した10例のXRAおよびCTA画像28対のパイロットデータセットを用いて,本アルゴリズムの評価を行った。
• 参考スコア（独自算出の注目度）: 2.991631700415871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Percutaneous Coronary Intervention (PCI) is a minimally invasive procedure that improves coronary blood flow and treats coronary artery disease. Although PCI typically requires 2D X-ray angiography (XRA) to guide catheter placement at real-time, computed tomography angiography (CTA) may substantially improve PCI by providing precise information of 3D vascular anatomy and status. To leverage real-time XRA and detailed 3D CTA anatomy for PCI, accurate multimodal image registration of XRA and CTA is required, to guide the procedure and avoid complications. This is a challenging process as it requires registration of images from different geometrical modalities (2D -> 3D and vice versa), with variations in contrast and noise levels. In this paper, we propose a novel multimodal coronary artery image registration method based on a swarm optimization algorithm, which effectively addresses challenges such as large deformations, low contrast, and noise across these imaging modalities. Our algorithm consists of two main modules: 1) preprocessing of XRA and CTA images separately, and 2) a registration module based on feature extraction using the Steger and Superpixel Particle Swarm Optimization algorithms. Our technique was evaluated on a pilot dataset of 28 pairs of XRA and CTA images from 10 patients who underwent PCI. The algorithm was compared with four state-of-the-art (SOTA) methods in terms of registration accuracy, robustness, and efficiency. Our method outperformed the selected SOTA baselines in all aspects. Experimental results demonstrate the significant effectiveness of our algorithm, surpassing the previous benchmarks and proposes a novel clinical approach that can potentially have merit for improving patient outcomes in coronary artery disease.
• Abstract（参考訳）: 経皮的冠動脈インターベンション(PCI)は、冠動脈血流を改善し、冠動脈疾患を治療する最小侵襲の手術である。 PCIは通常、カテーテル配置をリアルタイムでガイドするために2次元X線アンギオグラフィー(XRA)を必要とするが、CTアンギオグラフィー(CTA)は3次元血管解剖と状態の正確な情報を提供することでPCIを大幅に改善する可能性がある。 リアルタイムXRAとPCIの詳細な3次元CTA解剖学を活用するためには,XRAとCTAの正確なマルチモーダル画像登録が必要である。 異なる幾何学的モダリティ(2D -> 3Dおよびその逆)からのイメージの登録が必要であり、コントラストやノイズレベルが異なるため、これは難しいプロセスである。 本稿では,大変形,低コントラスト,ノイズなどの課題に対して,Swarm最適化アルゴリズムに基づく新しいマルチモーダル冠状動脈画像登録法を提案する。 我々のアルゴリズムは2つの主要モジュールから構成されている。 1)XRAとCTAの画像を別々に前処理し、 2)StegerおよびSuperpixel Particle Swarm Optimizationアルゴリズムを用いた特徴抽出に基づく登録モジュール。 PCIを施行した10例のXRA画像とCTA画像の28対をパイロットデータセットで評価した。 このアルゴリズムは、登録精度、堅牢性、効率の点で4つの最先端(SOTA)手法と比較された。 提案手法は, 選択したSOTAベースラインを全ての面で上回る性能を示した。 実験の結果, これまでのベンチマークを上回り, 本アルゴリズムの有効性を実証し, 冠状動脈疾患の患者予後改善に有効である可能性が示唆された新しい臨床手法を提案する。

関連論文リスト

• Weakly supervised alignment and registration of MR-CT for cervical cancer radiotherapy [9.060365057476133]
  子宮頸癌は女性の死因の1つである。 予備的な空間アライメントアルゴリズムと弱教師付きマルチモーダル登録ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-21T15:05:51Z)
• Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial [8.393536317952085]
  ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。 本稿では,GPUメモリの制限を緩和するパッチベースのボリュームリファインメントネットワーク,合成データを用いたトレーニングネットワーク,およびモデルベースの反復リファインメントを用いて,合成データと実世界のギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-19T00:07:48Z)
• UDCR: Unsupervised Aortic DSA/CTA Rigid Registration Using Deep Reinforcement Learning and Overlap Degree Calculation [12.201553863670155]
  深部強化学習に基づく大動脈DSA/CTA剛性登録のための教師なし手法UDCRを提案する。 アルゴリズム評価のために61組の大動脈DSA/CTAを手動でアノテートした結果,UDCRは平均絶対誤差2.85mm,回転4.35degを達成した。
  論文  参考訳（メタデータ） (2024-03-09T01:18:32Z)
• SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
  冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。 心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。 自動冠状動脈疾患診断では異常な成績を示した。
  論文  参考訳（メタデータ） (2023-11-17T02:01:19Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Does image resolution impact chest X-ray based fine-grained Tuberculosis-consistent lesion segmentation? [3.3086274755158325]
  ディープラーニングモデルは、計算資源の不足を理由に、画像解像度の低下を訓練していると伝えられている。 本研究では,インセプションV3ベースのUNetモデルを様々な画像/マスク解像度を用いて学習することで得られる性能向上について検討した。
  論文  参考訳（メタデータ） (2023-01-10T15:34:39Z)
• 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)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• 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)

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。