論文の概要: RefTr: Recurrent Refinement of Confluent Trajectories for 3D Vascular Tree Centerline Graphs
- arxiv url: http://arxiv.org/abs/2511.20823v1
- Date: Tue, 25 Nov 2025 20:22:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:58.845653
- Title: RefTr: Recurrent Refinement of Confluent Trajectories for 3D Vascular Tree Centerline Graphs
- Title（参考訳）: RefTr:3次元血管木中心グラフにおける収束軌道の連続的再定義
- Authors: Roman Naeem, David Hagerman, Jennifer Alvén, Fredrik Kahl,
- Abstract要約: RefTrは3次元画像-グラフモデルであり、血管樹の中心生成を行う。
3次元医用画像における血管ツリー解析のための新しいフレームワークであるRefTrについて紹介する。
- 参考スコア（独自算出の注目度）: 13.089387071097107
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tubular trees, such as blood vessels and lung airways, are essential for material transport within the human body. Accurately detecting their centerlines with correct tree topology is critical for clinical tasks such as diagnosis, treatment planning, and surgical navigation. In these applications, maintaining high recall is crucial, as missing small branches can result in fatal mistakes caused by incomplete assessments or undetected abnormalities. We present RefTr, a 3D image-to-graph model for centerline generation of vascular trees via recurrent refinement of confluent trajectories. RefTr uses a Producer-Refiner architecture based on a Transformer decoder, where the Producer proposes a set of initial confluent trajectories that are recurrently refined by the Refiner to produce final trajectories, which forms the centerline graph. The confluent trajectory representation enables refinement of complete trajectories while explicitly enforcing a valid tree topology. The recurrent refinement scheme improves precision and reuses the same Refiner block across multiple steps, yielding a 2.4x reduction in decoder parameters compared to previous SOTA. We also introduce an efficient non-maximum suppression algorithm for spatial tree graphs to merge duplicate branches and boost precision. Across multiple public centerline datasets, RefTr achieves superior recall and comparable precision to previous SOTA, while offering faster inference and substantially fewer parameters, demonstrating its potential as a new state-of-the-art framework for vascular tree analysis in 3D medical imaging.
- Abstract（参考訳）: 血管や肺気道などの管状木は人体内の物質輸送に不可欠である。
診断,治療計画,手術ナビゲーションなどの臨床業務において,正確な木のトポロジで中心線を正確に検出することが重要である。
これらのアプリケーションでは、不足している小さな枝が不完全な評価や未検出の異常に起因する致命的なミスを引き起こす可能性があるため、高いリコールを維持することが重要である。
本稿では3次元画像-グラフモデルRefTrについて述べる。
RefTrはTransformerデコーダをベースとしたProducer-Refinerアーキテクチャを使用し、ProducerはRefinerによって繰り返し洗練された一連の初期収束トラジェクトリを提案し、最終トラジェクトリを生成し、中心線グラフを形成する。
収束軌跡表現は、有効な木トポロジーを明示的に強制しながら、完全な軌跡の洗練を可能にする。
リカレント・リファインメント・スキームは精度を改善し、複数のステップで同じRefinerブロックを再利用し、以前のSOTAと比較してデコーダパラメータを2.4倍削減する。
また、空間木グラフに対する効率的な非最大抑制アルゴリズムを導入し、重複枝をマージし精度を向上する。
複数のパブリックセンターラインデータセット全体にわたって、RefTrは以前のSOTAよりも優れたリコールと同等の精度を実現し、高速な推論とパラメーターをかなり少なく提供し、3D医療画像における血管ツリー分析のための新しい最先端フレームワークとしての可能性を示している。
関連論文リスト
- Generative AI Pipeline for Interactive Prompt-driven 2D-to-3D Vascular Reconstruction for Fontan Geometries from Contrast-Enhanced X-Ray Fluoroscopy Imaging [0.0]
フォンタン麻痺の最近の評価は, 血管造影に頼っている。
蛍光アンギオグラムの系統的かつ反復的な処理のための多段階AIパイプラインを開発した。
パイプラインは、単一ビューのアンジオグラムから幾何学的に最適化された2Dプロジェクションをうまく生成した。
論文 参考訳（メタデータ） (2025-09-16T04:47:25Z) - Vector Representations of Vessel Trees [12.391128284848135]
本稿では,3次元血管ネットワークに着目した木構造幾何データのベクトル表現を学習するための新しいフレームワークを提案する。
我々のフレームワークであるVeTTAは、医用画像における解剖学的構造を正確に、柔軟で、位相的に一貫したモデリングを提供する。
論文 参考訳（メタデータ） (2025-06-11T20:34:08Z) - SUFFICIENT: A scan-specific unsupervised deep learning framework for high-resolution 3D isotropic fetal brain MRI reconstruction [7.268308489093152]
等方性HR容積再構成のための教師なし反復SVR-SRRフレームワークを提案する。
高分解能(HR)ボリュームを生成するために、ディープイメージ事前フレームワーク内に埋め込まれたデコードネットワークを包括的画像劣化モデルに組み込む。
大規模動乱シミュレーションデータと臨床データを用いて行った実験は,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2025-05-23T04:53:59Z) - Clean-NeRF: Reformulating NeRF to account for View-Dependent
Observations [67.54358911994967]
本稿では,複雑なシーンにおける3次元再構成と新しいビューレンダリングのためのクリーンネRFを提案する。
clean-NeRFはプラグインとして実装することができ、既存のNeRFベースのメソッドを追加入力なしですぐに利用することができる。
論文 参考訳（メタデータ） (2023-03-26T12:24:31Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - Enforcing connectivity of 3D linear structures using their 2D
projections [54.0598511446694]
本稿では,2次元投影におけるトポロジ認識損失の総和を最小化することにより,結果の3次元接続性を改善することを提案する。
これにより、精度の向上と、アノテーション付きトレーニングデータの提供に必要なアノテーションの労力の削減が図られる。
論文 参考訳（メタデータ） (2022-07-14T11:42:18Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。
既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。
本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
論文 参考訳（メタデータ） (2021-07-19T17:59:31Z)
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。