論文の概要: Rethinking the Detail-Preserved Completion of Complex Tubular Structures based on Point Cloud: a Dataset and a Benchmark

• arxiv url: http://arxiv.org/abs/2508.17658v2
• Date: Tue, 26 Aug 2025 02:55:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 13:17:04.076458
• Title: Rethinking the Detail-Preserved Completion of Complex Tubular Structures based on Point Cloud: a Dataset and a Benchmark
• Title（参考訳）: Point Cloudに基づく複雑な構造体の詳細保存完了の再考:データセットとベンチマーク
• Authors: Yaolei Qi, Yikai Yang, Wenbo Peng, Shumei Miao, Yutao Hu, Guanyu Yang,
• Abstract要約: 初めて点雲に基づく管状構造物の完成について検討する。 我々は、実際の臨床データから派生したポイントクラウドベースの冠状動脈補完データセットを構築した。 本稿では,細部保存型特徴抽出器を統合したTSRNetを提案する。
• 参考スコア（独自算出の注目度）: 6.320884264847418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Complex tubular structures are essential in medical imaging and computer-assisted diagnosis, where their integrity enhances anatomical visualization and lesion detection. However, existing segmentation algorithms struggle with structural discontinuities, particularly in severe clinical cases such as coronary artery stenosis and vessel occlusions, which leads to undesired discontinuity and compromising downstream diagnostic accuracy. Therefore, it is imperative to reconnect discontinuous structures to ensure their completeness. In this study, we explore the tubular structure completion based on point cloud for the first time and establish a Point Cloud-based Coronary Artery Completion (PC-CAC) dataset, which is derived from real clinical data. This dataset provides a novel benchmark for tubular structure completion. Additionally, we propose TSRNet, a Tubular Structure Reconnection Network that integrates a detail-preservated feature extractor, a multiple dense refinement strategy, and a global-to-local loss function to ensure accurate reconnection while maintaining structural integrity. Comprehensive experiments on our PC-CAC and two additional public datasets (PC-ImageCAS and PC-PTR) demonstrate that our method consistently outperforms state-of-the-art approaches across multiple evaluation metrics, setting a new benchmark for point cloud-based tubular structure reconstruction. Our benchmark is available at https://github.com/YaoleiQi/PCCAC.
• Abstract（参考訳）: 複雑な管状構造は、医用画像およびコンピュータ支援診断において必須であり、その整合性は解剖学的可視化と病変検出を増強する。 しかし、既存のセグメンテーションアルゴリズムは、特に冠動脈狭窄や血管閉塞などの重篤な臨床例において、構造的不連続性に苦しむため、望ましくない不連続性を引き起こし、下流の診断精度を損なう。 したがって、不連続構造を再接続し、その完全性を保証することが不可欠である。 本研究では,初めて点雲に基づく管状構造の完成を探求し,実際の臨床データから得られたポイントクラウドベースの冠状動脈補完(PC-CAC)データセットを構築した。 このデータセットは管状構造完成のための新しいベンチマークを提供する。 さらに,構造整合性を維持しつつ正確な再接続を保証するために,細部保存された特徴抽出器,多層強化戦略,グローバル・ローカル損失関数を統合したTSRNetを提案する。 PC-CACとPC-ImageCASとPC-PTRの2つの公開データセットに関する総合的な実験により、我々の手法は複数の評価指標で常に最先端のアプローチよりも優れており、ポイントクラウドベースの管状構造再構築のための新しいベンチマークが設定されている。 ベンチマークはhttps://github.com/YaoleiQi/PCCAC.comで公開しています。

関連論文リスト

• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [50.68335638232752]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• HarmonySeg: Tubular Structure Segmentation with Deep-Shallow Feature Fusion and Growth-Suppression Balanced Loss [37.79956077478527]
  我々はHarmonySegという新しい管状構造セグメンテーションフレームワークを提案する。 まず、様々な受容場を持つ柔軟な畳み込みブロックを備えたディープ・ツー・シャロー・デコーダネットワークを設計する。 第2に, 解剖学的領域を強調し, 小さな管状構造のリコールを改善するために, 血管性マップを組み込んだ。 第3に, 管状構造物の成長と抑制のバランスをとるために, 文脈と形状の先行性を活用するトポロジー保存損失関数を導入する。
  論文  参考訳（メタデータ） (2025-04-10T15:04:42Z)
• VSR-Net: Vessel-like Structure Rehabilitation Network with Graph Clustering [36.79480334628224]
  本稿では,新しいVSR-Net(Vessel-like Structure Rehabilitation Network)を提案する。 VSR-NetがCCM(Curvilinear Clustering Module)でサブセクション破断クラスタを構築 次に、よく設計されたCurvilinear Merging Module (CMM)を適用して、断面破断を修復し、精製された容器状構造を得る。
  論文  参考訳（メタデータ） (2023-12-20T15:36:30Z)
• FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures [4.507779218329283]
  網膜血管の分節は独特の課題を呈する。 最近のニューラルネットワークアプローチは、ローカルとグローバルプロパティのバランスをとるのに苦労している。 エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく包括的マイクロ容器抽出機構を提案する。
  論文  参考訳（メタデータ） (2023-11-14T10:32:17Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• 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)
• SRPCN: Structure Retrieval based Point Completion Network [9.456072124396231]
  構造検索に基づくポイントコンプリートネットワーク(SRPCN)を提案する。 最初はk平均クラスタリングを使用して構造点を抽出し、それを分布に分散し、その後、完全な構造点雲を見つけるための計量としてKLディバージェンス(英語版)が用いられる。 実験により,本手法はより正確な結果が得られ,より強力な一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2022-02-06T01:20:50Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)

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。