論文の概要: ArteryX: Advancing Brain Artery Feature Extraction with Vessel-Fused Networks and a Robust Validation Framework

• arxiv url: http://arxiv.org/abs/2507.07920v1
• Date: Thu, 10 Jul 2025 17:00:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.502004
• Title: ArteryX: Advancing Brain Artery Feature Extraction with Vessel-Fused Networks and a Robust Validation Framework
• Title（参考訳）: ArteryX: 血管融合ネットワークとロバスト検証フレームワークによる脳動脈機能抽出の改善
• Authors: Abrar Faiyaz, Nhat Hoang, Giovanni Schifitto, Md Nasir Uddin,
• Abstract要約: 血管の特徴を高い精度と効率で定量化する半教師付き動脈評価フレームワークであるArteryXを提案する。 ArteryXは、トレースを確実に追跡および管理するために、船舶ネットワークベースのランドマーク方式を採用しており、ダングリング/切断された船舶の問題に効果的に対処している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cerebrovascular pathology significantly contributes to cognitive decline and neurological disorders, underscoring the need for advanced tools to assess vascular integrity. Three-dimensional Time-of-Flight Magnetic Resonance Angiography (3D TOF MRA) is widely used to visualize cerebral vasculature, however, clinical evaluations generally focus on major arterial abnormalities, overlooking quantitative metrics critical for understanding subtle vascular changes. Existing methods for extracting structural, geometrical and morphological arterial features from MRA - whether manual or automated - face challenges including user-dependent variability, steep learning curves, and lack of standardized quantitative validations. We propose a novel semi-supervised artery evaluation framework, named ArteryX, a MATLAB-based toolbox that quantifies vascular features with high accuracy and efficiency, achieving processing times ~10-15 minutes per subject at 0.5 mm resolution with minimal user intervention. ArteryX employs a vessel-fused network based landmarking approach to reliably track and manage tracings, effectively addressing the issue of dangling/disconnected vessels. Validation on human subjects with cerebral small vessel disease demonstrated its improved sensitivity to subtle vascular changes and better performance than an existing semi-automated method. Importantly, the ArteryX toolbox enables quantitative feature validation by integrating an in-vivo like artery simulation framework utilizing vessel-fused graph nodes and predefined ground-truth features for specific artery types. Thus, the ArteryX framework holds promise for benchmarking feature extraction toolboxes and for seamless integration into clinical workflows, enabling early detection of cerebrovascular pathology and standardized comparisons across patient cohorts to advance understanding of vascular contributions to brain health.
• Abstract（参考訳）: 脳血管病理は認知低下や神経疾患に大きく寄与し、血管の整合性を評価するための高度なツールの必要性を浮き彫りにしている。 三次元MRI(Time-of-light Magnetic Resonance Angiography, 3D TOF MRA)は脳血管の可視化に広く用いられている。 MRAから構造的・幾何学的・形態的特徴(手動的・自動的)を抽出する既存の方法は、ユーザ依存的変動、急勾配学習曲線、標準化された定量的検証の欠如を含む課題に直面している。 我々は,MATLABベースのツールボックスであるArteryXという半教師付き動脈評価フレームワークを提案し,血管の特徴を高い精度と効率で定量化し,0.5mmの解像度で処理時間を10～15分に短縮する。 ArteryXは、追跡を確実に追跡および管理するために、船体融合ネットワークベースのランドマーク方式を採用しており、ダングリング/切断された船体の問題に効果的に対処している。 脳小血管疾患患者に対する検証では, 血管の微妙な変化に対する感度が向上し, 従来の半自動検査法よりも優れた性能を示した。 重要な点として、ArteryXツールボックスは、血管融合グラフノードと特定の動脈タイプに対する事前定義された接地構造機能を利用した、生き生きとした動脈シミュレーションフレームワークを統合することで、定量的な機能検証を可能にする。 このように、ArteryXフレームワークは、機能抽出ツールボックスのベンチマークと、臨床ワークフローへのシームレスな統合を約束し、脳血管病理の早期発見と患者コホート間の標準化された比較を可能にし、脳健康への血管貢献の理解を深める。

関連論文リスト

• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• Robotic Ultrasound-Guided Femoral Artery Reconstruction of Anatomically-Representative Phantoms [2.1113382954657594]
  この研究は、米国における大腿骨動脈スキャンのための自律型ロボットシステムを、患者固有のファントムの多様なセットで検証した初めてのものである。 血管画像に適したビデオベースディープラーニングUSセグメンテーションネットワークを導入し,動脈再建を改良した。
  論文  参考訳（メタデータ） (2025-03-09T22:20:25Z)
• AutoComb: Automated Comb Sign Detector for 3D CTE Scans [6.146230417980112]
  Comb Signは、複数の消化管疾患を検出する重要なバイオマーカーである。 現在の検出方法は、手動、時間集約、主観的解釈の傾向にある。 本稿では,CTE からComb Sign を検出するための完全自動手法を提案する。
  論文  参考訳（メタデータ） (2025-02-28T18:53:32Z)
• 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)
• 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)
• Spatiotemporal Disentanglement of Arteriovenous Malformations in Digital Subtraction Angiography [37.44819725897024]
  本提案手法は, 船舶の自動分類による臨界情報を強調することにより, デジタルサブトラクション血管造影(DSA)画像シリーズを向上することを目的としている。 本法は, 臨床用DSA画像シリーズを用いて検討し, 動脈と静脈の効率的な鑑別を実証した。
  論文  参考訳（メタデータ） (2024-02-15T00:29:53Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
  X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。 左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
  論文  参考訳（メタデータ） (2021-03-04T11:45:54Z)

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。