論文の概要: VesselSDF: Distance Field Priors for Vascular Network Reconstruction

• arxiv url: http://arxiv.org/abs/2506.16556v1
• Date: Thu, 19 Jun 2025 19:20:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.229489
• Title: VesselSDF: Distance Field Priors for Vascular Network Reconstruction
• Title（参考訳）: VesselSDF:血管網再建に先立つ距離場
• Authors: Salvatore Esposito, Daniel Rebain, Arno Onken, Changjian Li, Oisin Mac Aodha,
• Abstract要約: 本稿では,血管再建のための署名付き距離場を利用した新しいフレームワークであるVesselSDFを提案する。 本手法は, 連続SDF回帰問題として容器セグメンテーションを再構成し, 体積の各点を最寄りの容器表面への符号付き距離で表現する。 VesselSDFは既存の手法を著しく上回り、血管の形状と接続性を保ち、臨床環境でより信頼性の高い血管分析を可能にする。
• 参考スコア（独自算出の注目度）: 19.422554836882515
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of vascular networks from sparse CT scan slices remains a significant challenge in medical imaging, particularly due to the thin, branching nature of vessels and the inherent sparsity between imaging planes. Existing deep learning approaches, based on binary voxel classification, often struggle with structural continuity and geometric fidelity. To address this challenge, we present VesselSDF, a novel framework that leverages signed distance fields (SDFs) for robust vessel reconstruction. Our method reformulates vessel segmentation as a continuous SDF regression problem, where each point in the volume is represented by its signed distance to the nearest vessel surface. This continuous representation inherently captures the smooth, tubular geometry of blood vessels and their branching patterns. We obtain accurate vessel reconstructions while eliminating common SDF artifacts such as floating segments, thanks to our adaptive Gaussian regularizer which ensures smoothness in regions far from vessel surfaces while producing precise geometry near the surface boundaries. Our experimental results demonstrate that VesselSDF significantly outperforms existing methods and preserves vessel geometry and connectivity, enabling more reliable vascular analysis in clinical settings.
• Abstract（参考訳）: スパースCTスキャンスライスからの血管網の正確なセグメンテーションは、特に血管の細い分枝の性質とイメージングプレーン間の固有の間隔のために、医療画像において重要な課題である。 二つのボクセル分類に基づく既存のディープラーニングアプローチは、しばしば構造的連続性と幾何学的忠実さに苦しむ。 この課題に対処するために,署名付き距離場(SDF)を利用した頑健な血管再建のための新しいフレームワークであるVesselSDFを提案する。 本手法は, 連続SDF回帰問題として容器セグメンテーションを再構成し, 体積の各点を最寄りの容器表面への符号付き距離で表現する。 この連続的な表現は、本質的に血管の滑らかで管状の形状とその分岐パターンを捉えている。 船表面から離れた領域の滑らかさを確保できる適応型ガウス正規化器により, 浮動小片などのSDFアーティファクトを除去しつつ, 精度の高い船体復元を行い, 表面境界付近の正確な形状を創出する。 実験の結果,VesselSDFは既存の方法よりも優れており,血管の形状や接続性も良好であり,臨床現場でより信頼性の高い血管解析が可能であった。

関連論文リスト

• 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)
• 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)
• Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
  我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。 本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• 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)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Modeling and hexahedral meshing of cerebral arterial networks from centerlines [0.0]
  中心線に基づく表現は、小さな血管を持つ大きな血管ネットワークをモデル化するために広く用いられている。 中心線からCFDに適した構造を持つヘキサヘドラルメッシュを自動生成する手法を提案する。 我々は60の脳血管ネットワークのデータセットを網羅し,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-01-20T16:30:17Z)
• Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
  中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。 既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。 本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
  論文  参考訳（メタデータ） (2021-07-19T17:59:31Z)
• 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)

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。