論文の概要: An Automated Framework for Large-Scale Graph-Based Cerebrovascular Analysis

• arxiv url: http://arxiv.org/abs/2512.03869v1
• Date: Wed, 03 Dec 2025 15:21:51 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:55:00.931475
• Title: An Automated Framework for Large-Scale Graph-Based Cerebrovascular Analysis
• Title（参考訳）: 大規模グラフベース脳血管解析のための自動フレームワーク
• Authors: Daniele Falcetta, Liane S. Canas, Lorenzo Suppa, Matteo Pentassuglia, Jon Cleary, Marc Modat, Sébastien Ourselin, Maria A. Zuluaga,
• Abstract要約: CaravelMetricsは自動脳血管分析のための計算フレームワークである。 アトラスに基づく地域パーセレーション、中心線抽出、グラフ構築を統合し、15の形状、トポロジカル、フラクタル、幾何学的特徴を計算する。
• 参考スコア（独自算出の注目度）: 4.6463026648567505
• License:
• Abstract: We present CaravelMetrics, a computational framework for automated cerebrovascular analysis that models vessel morphology through skeletonization-derived graph representations. The framework integrates atlas-based regional parcellation, centerline extraction, and graph construction to compute fifteen morphometric, topological, fractal, and geometric features. The features can be estimated globally from the complete vascular network or regionally within arterial territories, enabling multiscale characterization of cerebrovascular organization. Applied to 570 3D TOF-MRA scans from the IXI dataset (ages 20-86), CaravelMetrics yields reproducible vessel graphs capturing age- and sex-related variations and education-associated increases in vascular complexity, consistent with findings reported in the literature. The framework provides a scalable and fully automated approach for quantitative cerebrovascular feature extraction, supporting normative modeling and population-level studies of vascular health and aging.
• Abstract（参考訳）: 本稿では,骨格化由来のグラフ表現を用いて血管形態をモデル化した脳血管自動解析のための計算フレームワークであるCaravelMetricsを提案する。 このフレームワークは、アトラスに基づく地域パーセレーション、中心線抽出、グラフ構築を統合し、15の形状、トポロジカル、フラクタル、幾何学的特徴を計算する。 これらの特徴は、完全な血管網から、または動脈領域内の局所的に世界規模で推定することができ、脳血管組織のマルチスケールな特徴付けを可能にする。 IXIデータセット(年齢20～86歳)からの570個の3DTOF-MRAスキャンに応用すると、CaravelMetricsは、年齢や性別に関連する変動を捉えた再現可能な血管グラフを得られる。 このフレームワークは、定量的脳血管機能抽出のためのスケーラブルで完全に自動化されたアプローチを提供する。

関連論文リスト

• M^3-GloDets: Multi-Region and Multi-Scale Analysis of Fine-Grained Diseased Glomerular Detection [8.016032806222892]
  M3-GloDetは、検出モデルの徹底的な評価を可能にするために設計された、体系的なフレームワークである。 我々は、長年のベンチマークアーキテクチャと、注目すべきパフォーマンスを達成した最先端モデルの両方を評価した。 我々の目標は、モデル強度と限界の理解を深め、自動検出戦略の洗練のための実用的な洞察を提供することである。
  論文  参考訳（メタデータ） (2025-08-25T04:52:34Z)
• GRASPing Anatomy to Improve Pathology Segmentation [67.98147643529309]
  本稿では,病的セグメンテーションモデルを強化するモジュール型プラグイン・アンド・プレイフレームワークGRASPを紹介する。 2つのPET/CTデータセット上でGRASPを評価し、系統的アブレーション研究を行い、フレームワークの内部動作について検討する。
  論文  参考訳（メタデータ） (2025-08-05T12:26:36Z)
• 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)
• AI-Powered Automated Model Construction for Patient-Specific CFD Simulations of Aortic Flows [8.062885940500259]
  本研究では,医用画像からシミュレーション可能な血管モデルを作成するためのディープラーニングフレームワークを提案する。 提案手法は,手作業や処理時間を著しく削減しつつ,セグメンテーションとメッシュ品質の最先端性能を示す。
  論文  参考訳（メタデータ） (2025-03-16T14:18:25Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• End-to-end Stroke imaging analysis, using reservoir computing-based effective connectivity, and interpretable Artificial intelligence [42.52549987351643]
  本稿では,貯水池計算に基づく有向グラフ解析パイプラインを提案する。 このパイプラインの目標は、ストロークデータにおける接続性のための効率的な脳表現を定義することである。 この表現は、有向グラフ畳み込みアーキテクチャ内で使われ、説明可能な人工知能(AI)ツールで調査される。
  論文  参考訳（メタデータ） (2024-07-17T13:34:05Z)
• Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
  本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。 本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T14:37:17Z)
• A Hybrid Approach to Full-Scale Reconstruction of Renal Arterial Network [5.953404851562665]
  腎血管ネットワークの主観的なモデルを構築するためのハイブリッドフレームワークを提案する。 我々は,大動脈の半自動分割と微小CTスキャンによる大脳皮質領域の推定を出発点として用いた。 ラット腎から得られた再建データと既存の解剖学的データとの統計的対応性を示した。
  論文  参考訳（メタデータ） (2023-03-03T10:39:25Z)
• Automated Coronary Arteries Labeling Via Geometric Deep Learning [13.515293812745343]
  血管造影検査から得られた3次元座標データによく適合する直感的なグラフ表現法を提案する。 その後、幾何学的深層学習を用いて対象別グラフの分析を試みる。 提案モデルでは,141例の専門的アノテートラベルを用いて,各冠動脈セグメントの表現を学習し,訓練データにおける解剖学的変動の影響を捉えた。
  論文  参考訳（メタデータ） (2022-12-01T09:31:08Z)
• Generative modeling of the enteric nervous system employing point pattern analysis and graph construction [2.20200533591633]
  大腸における腸管神経系(ENS)のアーキテクチャのネットワークモデルについて述べる。 我々のモデルは,空間点パターン解析とグラフ生成を組み合わせることで,ガングリアの空間的および位相的性質を特徴づける。 ENSコネクトームの理解が高まると、治療における神経調節戦略の使用が可能になり、腸運動障害の患者に対する解剖学的診断基準が明確になる。
  論文  参考訳（メタデータ） (2022-10-26T21:22:41Z)

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。