論文の概要: PASC-Net:Plug-and-play Shape Self-learning Convolutions Network with Hierarchical Topology Constraints for Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2507.04008v1
• Date: Sat, 05 Jul 2025 11:28:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.972383
• Title: PASC-Net:Plug-and-play Shape Self-learning Convolutions Network with Hierarchical Topology Constraints for Vessel Segmentation
• Title（参考訳）: PASC-Net:船舶セグメンテーションのための階層的トポロジー制約付きプラグアンドプレイ形状自己学習畳み込みネットワーク
• Authors: Xiao Zhang, Zhuo Jin, Shaoxuan Wu, Fengyu Wang, Guansheng Peng, Xiang Zhang, Ying Huang, JingKun Chen, Jun Feng,
• Abstract要約: PASCNetと呼ばれる新しい容器分割フレームワークを提案する。 コンボリューションカーネル設計を最適化するプラグイン・アンド・プレイ型のセルフラーニング・コンボリューション(SSL)モジュールと、トポロジ的制約を通じて血管接続を保証する階層型トポロジカル・制約(HTC)モジュールである。 nnUNetフレームワークに統合された場合,本手法は複数の指標において他の手法よりも優れ,最先端の血管セグメンテーション性能が得られた。
• 参考スコア（独自算出の注目度）: 9.102738065373615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate vessel segmentation is crucial to assist in clinical diagnosis by medical experts. However, the intricate tree-like tubular structure of blood vessels poses significant challenges for existing segmentation algorithms. Small vascular branches are often overlooked due to their low contrast compared to surrounding tissues, leading to incomplete vessel segmentation. Furthermore, the complex vascular topology prevents the model from accurately capturing and reconstructing vascular structure, resulting in incorrect topology, such as breakpoints at the bifurcation of the vascular tree. To overcome these challenges, we propose a novel vessel segmentation framework called PASC Net. It includes two key modules: a plug-and-play shape self-learning convolutional (SSL) module that optimizes convolution kernel design, and a hierarchical topological constraint (HTC) module that ensures vascular connectivity through topological constraints. Specifically, the SSL module enhances adaptability to vascular structures by optimizing conventional convolutions into learnable strip convolutions, which improves the network's ability to perceive fine-grained features of tubular anatomies. Furthermore, to better preserve the coherence and integrity of vascular topology, the HTC module incorporates hierarchical topological constraints-spanning linear, planar, and volumetric levels-which serve to regularize the network's representation of vascular continuity and structural consistency. We replaced the standard convolutional layers in U-Net, FCN, U-Mamba, and nnUNet with SSL convolutions, leading to consistent performance improvements across all architectures. Furthermore, when integrated into the nnUNet framework, our method outperformed other methods on multiple metrics, achieving state-of-the-art vascular segmentation performance.
• Abstract（参考訳）: 正確な血管セグメンテーションは、医療専門家による臨床診断を支援するために不可欠である。 しかし、血管の複雑な木のような管状構造は、既存のセグメンテーションアルゴリズムに重大な課題をもたらす。 小さな血管枝は、周囲の組織に比べて低コントラストのため、しばしば見落とされ、不完全な血管分節につながる。 さらに、複雑な血管トポロジーは、モデルが正確に血管構造を捕捉および再構成することを防ぎ、血管木の分岐点のような誤ったトポロジーをもたらす。 これらの課題を克服するために,PASC Netと呼ばれる新しい容器分割フレームワークを提案する。 コンボリューションカーネル設計を最適化するプラグイン・アンド・プレイ型のセルフラーニング・コンボリューション(SSL)モジュールと、トポロジ的制約を通じて血管接続を保証する階層型トポロジカル・制約(HTC)モジュールである。 具体的には、SSLモジュールは、従来の畳み込みを学習可能なストリップ畳み込みに最適化することにより、血管構造への適応性を高める。 さらに、HTCモジュールは、血管トポロジの一貫性と整合性をよりよく維持するために、階層的なトポロジ的制約(線形、平面、体積レベル)を組み込んでおり、これはネットワークの血管の連続性と構造的整合性の表現を規則化するのに役立つ。 私たちは、U-Net、FCN、U-Mamba、nnUNetの標準的な畳み込みレイヤをSSL畳み込みに置き換えました。 さらに,nnUNetフレームワークに統合された場合,本手法は複数の指標において他の手法よりも優れ,最先端の血管セグメンテーション性能が得られた。

関連論文リスト

• Boundary-Aware Vision Transformer for Angiography Vascular Network Segmentation [2.421170887647153]
  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。
  論文  参考訳（メタデータ） (2025-06-15T22:35:08Z)
• Conformable Convolution for Topologically Aware Learning of Complex Anatomical Structures [38.20599800950335]
  トポロジ的一貫性を明示するために設計された新しい畳み込み層であるConformable Convolutionを紹介する。 Topological Posterior Generator (TPG)モジュールは、重要なトポロジ的特徴を特定し、畳み込み層をガイドする。 本稿では,構造物の相互接続性維持が重要となるセグメンテーション作業におけるフレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2024-12-29T22:41:33Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• 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)
• 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)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• 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)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)
• clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
  中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。 理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。 我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
  論文  参考訳（メタデータ） (2020-03-16T16:27:49Z)

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。