論文の概要: FAD-Net: Frequency-Domain Attention-Guided Diffusion Network for Coronary Artery Segmentation using Invasive Coronary Angiography

• arxiv url: http://arxiv.org/abs/2506.11454v1
• Date: Fri, 13 Jun 2025 04:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.653895
• Title: FAD-Net: Frequency-Domain Attention-Guided Diffusion Network for Coronary Artery Segmentation using Invasive Coronary Angiography
• Title（参考訳）: FAD-Net: Invasive Coronary Angiography を用いた冠状動脈解離に対する周波数領域注意誘導拡散ネットワーク
• Authors: Nan Mu, Ruiqi Song, Xiaoning Li, Zhihui Xu, Jingfeng Jiang, Chen Zhao,
• Abstract要約: 冠状動脈分節の精度を高めるために,周波数領域解析に基づく新しいディープラーニングモデルを提案する。 FAD-Netは、冠動脈セグメンテーションにおいて平均Dice係数0.8717を達成し、既存の最先端法よりも優れている。 真の陽性率は0.6140であり、狭窄検出における正の予測値は0.6398であり、臨床応用性を示している。
• 参考スコア（独自算出の注目度）: 5.0119372803973965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Coronary artery disease (CAD) remains one of the leading causes of mortality worldwide. Precise segmentation of coronary arteries from invasive coronary angiography (ICA) is critical for effective clinical decision-making. Objective: This study aims to propose a novel deep learning model based on frequency-domain analysis to enhance the accuracy of coronary artery segmentation and stenosis detection in ICA, thereby offering robust support for the stenosis detection and treatment of CAD. Methods: We propose the Frequency-Domain Attention-Guided Diffusion Network (FAD-Net), which integrates a frequency-domain-based attention mechanism and a cascading diffusion strategy to fully exploit frequency-domain information for improved segmentation accuracy. Specifically, FAD-Net employs a Multi-Level Self-Attention (MLSA) mechanism in the frequency domain, computing the similarity between queries and keys across high- and low-frequency components in ICAs. Furthermore, a Low-Frequency Diffusion Module (LFDM) is incorporated to decompose ICAs into low- and high-frequency components via multi-level wavelet transformation. Subsequently, it refines fine-grained arterial branches and edges by reintegrating high-frequency details via inverse fusion, enabling continuous enhancement of anatomical precision. Results and Conclusions: Extensive experiments demonstrate that FAD-Net achieves a mean Dice coefficient of 0.8717 in coronary artery segmentation, outperforming existing state-of-the-art methods. In addition, it attains a true positive rate of 0.6140 and a positive predictive value of 0.6398 in stenosis detection, underscoring its clinical applicability. These findings suggest that FAD-Net holds significant potential to assist in the accurate diagnosis and treatment planning of CAD.
• Abstract（参考訳）: 背景: 冠状動脈疾患(CAD)は, いまだに世界中の死因の1つである。 侵襲的冠動脈造影(ICA)による冠動脈の精密分画は,臨床的決定に重要である。 目的: 本研究は, CADの狭窄検出と治療を支援するため, ICAにおける冠動脈セグメンテーションと狭窄検出の精度を高めるために, 周波数領域解析に基づく新しい深層学習モデルを提案することを目的とする。 手法: 周波数領域に基づく注意機構とカスケード拡散戦略を統合し, 周波数領域情報を完全に活用し, セグメンテーション精度を向上する周波数領域注意誘導拡散ネットワーク(FAD-Net)を提案する。 具体的には、FAD-Netは周波数領域にMulti-Level Self-Attention (MLSA) メカニズムを採用し、ICAの高周波数および低周波数のコンポーネント間でクエリとキーの類似性を計算している。 さらに、低周波拡散モジュール(LFDM)が組み込まれ、ICAをマルチレベルウェーブレット変換により低周波成分と高周波成分に分解する。 その後、逆融合により高周波の詳細を再統合し、細粒な動脈枝と縁を洗練し、解剖学的精度の連続的な向上を可能にした。 結果と結論: FAD-Netは冠動脈セグメンテーションにおいて平均Dice係数0.8717を達成し,既存の最先端手法よりも優れていた。 さらに、真陽性率0.6140、正の予測値0.6398を狭窄検出で達成し、臨床応用性を裏付ける。 これらの結果から,FAD-NetはCADの正確な診断・治療計画に役立つ可能性が示唆された。

関連論文リスト

• Comprehensive Evaluation of OCT-based Automated Segmentation of Retinal Layer, Fluid and Hyper-Reflective Foci: Impact on Diabetic Retinopathy Severity Assessment [0.0]
  糖尿病網膜症(DR)は視覚障害の主要な原因であり、不可逆的な損傷を防ぐために早期かつ正確な評価が必要である。 本研究では,網膜層の自動セグメンテーションのための能動的学習に基づくディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-03-03T07:23:56Z)
• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [2.7699831151653305]
  本研究は, 心臓疾患の自動診断のための, 迅速かつ正確かつ費用対効果の高い手法を提供する新しいディープラーニングアーキテクチャを開発し, 評価する。 まず,多様な畳み込みフィルタサイズを利用して人間の聴覚処理をエミュレートするマルチブランチディープ畳み込みニューラルネットワーク(MBDCN)と,特徴抽出のためのパワースペクトル入力の2つの革新的な手法を提案する。 第二に、LSTMブロックをMBDCNに統合し、時間領域の特徴抽出を改善するLong Short-Term Memory-Convolutional Neural (LSCN)モデルである。
  論文  参考訳（メタデータ） (2024-07-15T13:02:54Z)
• AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
  CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
  論文  参考訳（メタデータ） (2024-06-13T01:04:47Z)
• A Deep Learning Model for Coronary Artery Segmentation and Quantitative Stenosis Detection in Angiographic Images [2.6879908098704544]
  血管造影画像における冠状動脈の自動分画のための新しい深層学習法を提案する。 このモデルは、MedSAMとVM-UNetアーキテクチャを組み合わせて高性能な結果を得る。 狭窄検出アルゴリズムは真正率(TPR)が0.5867、正の予測値(PPV)が0.5911に達した。
  論文  参考訳（メタデータ） (2024-06-01T16:45:33Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• 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)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。