論文の概要: Angio-Diff: Learning a Self-Supervised Adversarial Diffusion Model for Angiographic Geometry Generation

• arxiv url: http://arxiv.org/abs/2506.19455v1
• Date: Tue, 24 Jun 2025 09:31:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.571029
• Title: Angio-Diff: Learning a Self-Supervised Adversarial Diffusion Model for Angiographic Geometry Generation
• Title（参考訳）: Angio-Diff: Angiographic Geometry 生成のための自己教師付き逆拡散モデル学習
• Authors: Zhifeng Wang, Renjiao Yi, Xin Wen, Chenyang Zhu, Kai Xu, Kunlun He,
• Abstract要約: 血管疾患は人間の健康に重大な脅威となり、X線血管造影は診断の基準として確立された。 データ駆動のディープアプローチは、ペア化された大規模なX線血管造影データセットが欠如していることによって妨げられている。 血管造影X線を血管造影X線に変換するための拡散モデルによる自己監督手法を提案する。
• 参考スコア（独自算出の注目度）: 24.342449733983447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vascular diseases pose a significant threat to human health, with X-ray angiography established as the gold standard for diagnosis, allowing for detailed observation of blood vessels. However, angiographic X-rays expose personnel and patients to higher radiation levels than non-angiographic X-rays, which are unwanted. Thus, modality translation from non-angiographic to angiographic X-rays is desirable. Data-driven deep approaches are hindered by the lack of paired large-scale X-ray angiography datasets. While making high-quality vascular angiography synthesis crucial, it remains challenging. We find that current medical image synthesis primarily operates at pixel level and struggles to adapt to the complex geometric structure of blood vessels, resulting in unsatisfactory quality of blood vessel image synthesis, such as disconnections or unnatural curvatures. To overcome this issue, we propose a self-supervised method via diffusion models to transform non-angiographic X-rays into angiographic X-rays, mitigating data shortages for data-driven approaches. Our model comprises a diffusion model that learns the distribution of vascular data from diffusion latent, a generator for vessel synthesis, and a mask-based adversarial module. To enhance geometric accuracy, we propose a parametric vascular model to fit the shape and distribution of blood vessels. The proposed method contributes a pipeline and a synthetic dataset for X-ray angiography. We conducted extensive comparative and ablation experiments to evaluate the Angio-Diff. The results demonstrate that our method achieves state-of-the-art performance in synthetic angiography image quality and more accurately synthesizes the geometric structure of blood vessels. The code is available at https://github.com/zfw-cv/AngioDiff.
• Abstract（参考訳）: 血管疾患は人間の健康に重大な脅威となり、X線血管造影は診断のための金の基準として確立され、血管の詳細な観察を可能にした。 しかし、血管造影X線は、望ましくない非血管造影X線よりも、人や患者を高い放射線レベルに曝す。 したがって、非アンジオグラフィーから血管造影X線へのモダリティ変換が望ましい。 データ駆動のディープアプローチは、ペア化された大規模なX線血管造影データセットが欠如していることによって妨げられている。 高品質な血管血管造影合成が重要であるが、依然として困難である。 現在の医用画像合成は, 主にピクセルレベルで動作し, 血管の複雑な幾何学的構造に適応するのに苦慮し, 切断や不自然な曲率などの血管画像合成に不満足な品質をもたらすことがわかった。 そこで本研究では,非アンジオグラフィX線を血管造影X線に変換する拡散モデルによる自己監督手法を提案し,データ駆動型アプローチにおけるデータ不足を軽減した。 本モデルは,拡散潜水剤から血管データの分布を学習する拡散モデル,血管合成用ジェネレータ,マスクベースの対向モジュールから構成される。 幾何学的精度を高めるため,血管の形状と分布に適合するパラメトリック血管モデルを提案する。 提案手法は,X線血管造影のためのパイプラインと合成データセットを提供する。 アンジオディフの評価のために,広範囲な比較およびアブレーション実験を行った。 以上の結果より, 血管の形状構造をより正確に合成し, 血管造影画像の画質向上に資することが示唆された。 コードはhttps://github.com/zfw-cv/AngioDiff.comで公開されている。

関連論文リスト

• Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
  そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。 本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
  論文  参考訳（メタデータ） (2025-04-20T01:54:18Z)
• VasTSD: Learning 3D Vascular Tree-state Space Diffusion Model for Angiography Synthesis [24.51837919255267]
  本研究では,3次元非血管造影ボリュームから血管造影を合成する3次元血管系木-状態空間拡散モデルであるVasTSDを提案する。 事前訓練された視覚埋め込み装置を用いて血管状態空間の表現を構築し、複数のモードにわたる血管構造の一貫したモデリングを可能にする。
  論文  参考訳（メタデータ） (2025-03-17T02:53:38Z)
• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
  病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。 腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
  論文  参考訳（メタデータ） (2024-06-04T16:47:47Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
  本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。 本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-06-19T14:01:47Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Segmentation of Anatomical Layers and Artifacts in Intravascular Polarization Sensitive Optical Coherence Tomography Using Attending Physician and Boundary Cardinality Lost Terms [4.93836246080317]
  血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。 畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。 モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
  論文  参考訳（メタデータ） (2021-05-11T15:52:31Z)

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。