論文の概要: Boundary-Aware Vision Transformer for Angiography Vascular Network Segmentation

• arxiv url: http://arxiv.org/abs/2506.12980v1
• Date: Sun, 15 Jun 2025 22:35:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:47.190725
• Title: Boundary-Aware Vision Transformer for Angiography Vascular Network Segmentation
• Title（参考訳）: 血管柄付き血管網分割のための境界認識型視覚変換器
• Authors: Nabil Hezil, Suraj Singh, Vita Vlasova, Oleg Rogov, Ahmed Bouridane, Rifat Hamoudi,
• Abstract要約: バウンダリ・アウェア・ビジョン・トランスフォーマー(Baundary-Aware Vision Transformer、BAVT)は、エッジ・アウェア・ロス(エッジ・アウェア・ロス)で拡張されたViTベースのアーキテクチャである。 DCA-1冠動脈造影データセットを用いて,BAVTが医用画像のセグメンテーションの指標で優れた成績を収める手法を検証した。
• 参考スコア（独自算出の注目度）: 2.421170887647153
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate segmentation of vascular structures in coronary angiography remains a core challenge in medical image analysis due to the complexity of elongated, thin, and low-contrast vessels. Classical convolutional neural networks (CNNs) often fail to preserve topological continuity, while recent Vision Transformer (ViT)-based models, although strong in global context modeling, lack precise boundary awareness. In this work, we introduce BAVT, a Boundary-Aware Vision Transformer, a ViT-based architecture enhanced with an edge-aware loss that explicitly guides the segmentation toward fine-grained vascular boundaries. Unlike hybrid transformer-CNN models, BAVT retains a minimal, scalable structure that is fully compatible with large-scale vision foundation model (VFM) pretraining. We validate our approach on the DCA-1 coronary angiography dataset, where BAVT achieves superior performance across medical image segmentation metrics outperforming both CNN and hybrid baselines. These results demonstrate the effectiveness of combining plain ViT encoders with boundary-aware supervision for clinical-grade vascular segmentation.
• Abstract（参考訳）: 冠動脈造影における血管構造の正確なセグメンテーションは, 伸長, 細径, 低コントラスト血管の複雑化により, 医用画像解析における中心的な課題である。 古典的畳み込みニューラルネットワーク(CNN)は、しばしばトポロジカルな連続性を維持するのに失敗するが、最近のビジョントランスフォーマー(ViT)ベースのモデルは、グローバルな文脈モデリングでは強いが、正確な境界認識は欠如している。 本研究では,境界認識型視覚変換器であるBAVTを導入し,細粒度血管境界へのセグメンテーションの導出を図った。 ハイブリッドトランス-CNNモデルとは異なり、BAVTは大規模視覚基盤モデル(VFM)と完全に互換性のある最小限のスケーラブルな構造を維持している。 BAVTはCNNとハイブリッドベースラインの両方で優れる医療画像セグメンテーションの指標で優れた性能を発揮する。 これらの結果から, 臨床グレードの血管セグメンテーションにおいて, 平易なVTエンコーダと境界認識型インフォメーションの併用が有効であった。

関連論文リスト

• CTI-Unet: Cascaded Threshold Integration for Improved U-Net Segmentation of Pathology Images [4.223102602534721]
  慢性腎臓病(CKD)は、診断と治療計画を支援するために正確かつ効率的な画像解析を必要とする世界的な健康上の問題である。 本稿では,シングルスレッドセグメンテーションの限界を克服するために,新しいテキスト型Threshold-Integrated U-Net(CTI-Unet)を提案する。
  論文  参考訳（メタデータ） (2025-04-08T03:35:09Z)
• DGSSA: Domain generalization with structural and stylistic augmentation for retinal vessel segmentation [17.396365010722423]
  網膜血管形態は糖尿病、緑内障、高血圧などの疾患の診断に重要である。 従来のセグメンテーション手法は、トレーニングとテストのデータが同様の分布を共有していると仮定する。 本稿では,網膜血管画像分割のための新しいアプローチ DGSSA を提案する。
  論文  参考訳（メタデータ） (2025-01-07T01:47:57Z)
• TBConvL-Net: A Hybrid Deep Learning Architecture for Robust Medical Image Segmentation [6.013821375459473]
  医用画像セグメンテーションのための新しいディープラーニングアーキテクチャを提案する。 提案モデルでは,10の公開データセット上でのテクニックの現状に対して,一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-09-05T09:14:03Z)
• Deep Learning for Vascular Segmentation and Applications in Phase Contrast Tomography Imaging [33.23991248643144]
  本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。 我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。 HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
  論文  参考訳（メタデータ） (2023-11-22T11:15:38Z)
• RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation [58.618797429661754]
  本稿では,網膜血管分割に特化して,回転・スケール同値なフーリエパラメータ化畳み込み(RSF-Conv)を提案する。 一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合できる。 RSF-Convの有効性を示すため,RSF-Conv+U-NetとRCF-Conv+Iter-Netを網膜動脈・静脈の分類に適用した。
  論文  参考訳（メタデータ） (2023-09-27T13:14:57Z)
• Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
  本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。 合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
  論文  参考訳（メタデータ） (2023-07-01T06:13:10Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)

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。