論文の概要: SFD-Mamba2Net: Structure-Guided Frequency-Enhanced Dual-Stream Mamba2 Network for Coronary Artery Segmentation
- arxiv url: http://arxiv.org/abs/2509.08934v2
- Date: Fri, 12 Sep 2025 02:17:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 12:05:48.655304
- Title: SFD-Mamba2Net: Structure-Guided Frequency-Enhanced Dual-Stream Mamba2 Network for Coronary Artery Segmentation
- Title（参考訳）: SFD-Mamba2Net:冠状動脈セグメンテーションのための構造誘導型周波数拡張型Dual-Stream Mamba2 Network
- Authors: Nan Mu, Ruiqi Song, Zhihui Xu, Jingfeng Jiang, Chen Zhao,
- Abstract要約: 侵襲冠動脈造影(ICA)はCAD診断における金の基準とされている。
ICA画像の特徴は、低コントラスト、高ノイズレベル、複雑で微細な血管構造である。
ICAをベースとした血管分割と狭窄検出に適したエンドツーエンドフレームワークであるSFD-Mamba2Netを提案する。
- 参考スコア（独自算出の注目度）: 10.610715643574034
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Coronary Artery Disease (CAD) is one of the leading causes of death worldwide. Invasive Coronary Angiography (ICA), regarded as the gold standard for CAD diagnosis, necessitates precise vessel segmentation and stenosis detection. However, ICA images are typically characterized by low contrast, high noise levels, and complex, fine-grained vascular structures, which pose significant challenges to the clinical adoption of existing segmentation and detection methods. Objective: This study aims to improve the accuracy of coronary artery segmentation and stenosis detection in ICA images by integrating multi-scale structural priors, state-space-based long-range dependency modeling, and frequency-domain detail enhancement strategies. Methods: We propose SFD-Mamba2Net, an end-to-end framework tailored for ICA-based vascular segmentation and stenosis detection. In the encoder, a Curvature-Aware Structural Enhancement (CASE) module is embedded to leverage multi-scale responses for highlighting slender tubular vascular structures, suppressing background interference, and directing attention toward vascular regions. In the decoder, we introduce a Progressive High-Frequency Perception (PHFP) module that employs multi-level wavelet decomposition to progressively refine high-frequency details while integrating low-frequency global structures. Results and Conclusions: SFD-Mamba2Net consistently outperformed state-of-the-art methods across eight segmentation metrics, and achieved the highest true positive rate and positive predictive value in stenosis detection.
- Abstract（参考訳）: 背景:冠動脈疾患(CAD)は世界中で死因の1つである。
CAD診断における金の基準である侵襲冠動脈造影(ICA)は,正確な血管分割と狭窄検出を必要としている。
しかし、ICA画像は典型的には低コントラスト、高ノイズレベル、複雑で微細な血管構造を特徴とし、既存のセグメンテーションと検出法の臨床的導入に重大な課題を生じさせる。
目的: 本研究は, ICA画像における冠動脈セグメンテーションと狭窄検出の精度を向上させることを目的として, マルチスケール構造前駆体, 状態空間に基づく長距離依存性モデリング, 周波数領域詳細化戦略を統合した。
提案するSFD-Mamba2Netは,ICA-based vascular segmentation と stenosis detection に適したエンドツーエンドフレームワークである。
本発明のエンコーダでは、細い管状血管構造を強調表示し、背景干渉を抑制し、血管領域に注意を向けるためのマルチスケール応答を活用するために、曲率認識構造増強(CASE)モジュールが組み込まれている。
このデコーダでは、マルチレベルウェーブレット分解を利用して、低周波グローバル構造を統合しながら、高周波の詳細を段階的に洗練するプログレッシブ・高周波知覚(PHFP)モジュールを導入する。
結果と結論:SFD-Mamba2Netは8つのセグメンテーション指標で常に最先端の手法を上回り、狭窄検出において最高正の正と正の予測値を達成した。
関連論文リスト
- Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling [10.73944733412427]
本稿では, 心筋解剖学的先行性, 構造認識的特徴符号化, 3次元ウェーブレット逆ウェーブレット変換を統合した冠動脈分割フレームワークを提案する。
実験の結果,提案手法はディス係数が0.8082,感度が0.7946,精度が0.8471,HD95が9.77mmであり,いくつかの主流セグメンテーションモデルより優れていることがわかった。
論文 参考訳（メタデータ） (2025-12-14T04:12:40Z) - Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。
STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
論文 参考訳（メタデータ） (2025-10-15T14:18:03Z) - FoundDiff: Foundational Diffusion Model for Generalizable Low-Dose CT Denoising [55.04342933312839]
本稿では,CT(低線量CT)デノナイズのための基礎拡散モデルFoundDiffを提案する。
FoundDiffは、(i)線量解剖学的知覚と(ii)適応的認知という2段階の戦略を採用している。
まず, 線量および解剖学的知覚を実現するために, 線量および解剖学的対応型コントラスト言語画像事前訓練モデル(DA-CLIP)を開発した。
第2に,適応的および一般化可能な復調を行うために,線量および解剖学的拡散モデル(DA-Diff)を設計する。
論文 参考訳（メタデータ） (2025-08-24T11:03:56Z) - Unleashing Vision Foundation Models for Coronary Artery Segmentation: Parallel ViT-CNN Encoding and Variational Fusion [12.839049648094893]
冠動脈セグメンテーションは冠動脈疾患(CAD)のコンピュータ診断に重要である
並列符号化アーキテクチャを用いて,視覚基盤モデル(VFM)のパワーを利用する新しいフレームワークを提案する。
提案手法は, 精度の高い冠動脈セグメンテーションにおいて, 最先端の手法よりも優れ, 優れた性能を発揮する。
論文 参考訳（メタデータ） (2025-07-17T09:25:00Z) - FAD-Net: Frequency-Domain Attention-Guided Diffusion Network for Coronary Artery Segmentation using Invasive Coronary Angiography [5.0119372803973965]
冠状動脈分節の精度を高めるために,周波数領域解析に基づく新しいディープラーニングモデルを提案する。
FAD-Netは、冠動脈セグメンテーションにおいて平均Dice係数0.8717を達成し、既存の最先端法よりも優れている。
真の陽性率は0.6140であり、狭窄検出における正の予測値は0.6398であり、臨床応用性を示している。
論文 参考訳（メタデータ） (2025-06-13T04:10:48Z) - Myocardial Region-guided Feature Aggregation Net for Automatic Coronary artery Segmentation and Stenosis Assessment using Coronary Computed Tomography Angiography [13.885760158090692]
心筋領域誘導型特徴集約ネットは、冠状動脈セグメンテーションの堅牢性を高めるために、解剖学的事前知識を統合する新しいU字型二重エンコーダアーキテクチャである。
本フレームワークは,(1)ブリッジング拡張とマルチスケール機能融合による冠動脈領域への注意を誘導する心筋領域誘導モジュール,(2)並列空間チャネルの注意と残留ブロックを結合して局所的特徴識別を増強する残留特徴抽出モジュール,(3)階層的血管特徴の適応的アダプティブアグリゲーションのためのマルチスケール機能融合モジュールの3つの重要なイノベーションを取り入れている。
論文 参考訳（メタデータ） (2025-04-27T16:43:52Z) - 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) - DSCA: A Digital Subtraction Angiography Sequence Dataset and Spatio-Temporal Model for Cerebral Artery Segmentation [26.053968841717825]
CVDの診断におけるゴールド標準としてデジタルサブトラクションアンギオグラフィーシーケンスが認識されている。
脳動脈(CA)と幹と枝の分類は、医師が病気の正確な定量化に不可欠である。
本稿では,CA の画素レベルのセマンティックセマンティックセマンティックセマンティックセマンティクスのための DSA Sequence ベースの脳動脈セマンティクスデータセット (DSCA) を提案する。
また、DS-temporal network for CA segmentation in DSA sequencesを提案する。
論文 参考訳（メタデータ） (2024-06-01T07:35:21Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - 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) - Weakly-Supervised Universal Lesion Segmentation with Regional Level Set
Loss [16.80758525711538]
高分解能ネットワーク(HRNet)に基づく新しい弱監督ユニバーサル病変分割法を提案する。
AHRNetはデコーダ、デュアルアテンション、スケールアテンション機構を含む高度な高解像度のディープイメージ機能を提供する。
本手法は,公開大規模deeplesionデータセットとホールドアウトテストセットにおいて,最高の性能を実現する。
論文 参考訳（メタデータ） (2021-05-03T23:33:37Z)
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。