論文の概要: Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling
- arxiv url: http://arxiv.org/abs/2512.12539v1
- Date: Sun, 14 Dec 2025 04:12:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-16 17:54:56.302819
- Title: Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling
- Title（参考訳）: 空間周波数関節モデルを用いたCCTAからの冠動脈解離の解剖学的検討
- Authors: Huan Huang, Michele Esposito, Chen Zhao,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.73944733412427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate coronary artery segmentation from coronary computed tomography angiography is essential for quantitative coronary analysis and clinical decision support. Nevertheless, reliable segmentation remains challenging because of small vessel calibers, complex branching, blurred boundaries, and myocardial interference. We propose a coronary artery segmentation framework that integrates myocardial anatomical priors, structure aware feature encoding, and three dimensional wavelet inverse wavelet transformations. Myocardial priors and residual attention based feature enhancement are incorporated during encoding to strengthen coronary structure representation. Wavelet inverse wavelet based downsampling and upsampling enable joint spatial frequency modeling and preserve multi scale structural consistency, while a multi scale feature fusion module integrates semantic and geometric information in the decoding stage. The model is trained and evaluated on the public ImageCAS dataset using a 3D overlapping patch based strategy with a 7:1:2 split for training, validation, and testing. Experimental results demonstrate that the proposed method achieves a Dice coefficient of 0.8082, Sensitivity of 0.7946, Precision of 0.8471, and an HD95 of 9.77 mm, outperforming several mainstream segmentation models. Ablation studies further confirm the complementary contributions of individual components. The proposed method enables more stable and consistent coronary artery segmentation under complex geometric conditions, providing reliable segmentation results for subsequent coronary structure analysis tasks.
- Abstract（参考訳）: 冠動脈造影による正確な冠動脈セグメンテーションは,定量的冠動脈解析および臨床診断支援に不可欠である。
それでも、小さな血管口径、複雑な分岐、ぼやけた境界、心筋の干渉など、信頼性の高いセグメンテーションは依然として困難である。
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。
冠状構造の表現力を高めるために、エンコーディング中に、心筋前兆と残像に基づく特徴増強が組み込まれている。
ウェーブレット逆ウェーブレットに基づくダウンサンプリングとアップサンプリングは、共同空間周波数モデリングとマルチスケール構造一貫性の維持を可能にし、マルチスケール機能融合モジュールはデコード段階で意味情報と幾何学情報を統合する。
モデルは、トレーニング、検証、テストのために7:1:2分割された3Dオーバーラップパッチベースの戦略を使用して、パブリックなImageCASデータセット上でトレーニングされ、評価される。
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。
アブレーション研究は個々の成分の相補的な寄与をさらに確認する。
提案手法は, 複雑な幾何学的条件下でより安定かつ一貫した冠状動脈セグメンテーションを可能にし, その後の冠状構造解析タスクに対して信頼性の高いセグメンテーション結果を提供する。
関連論文リスト
- CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram [9.788176765955534]
冠動脈疾患(CAD)は死亡率の低下と患者の治療計画の改善に重要である。
冠状動脈リファインメントネットワーク(CASR-Net, Coronary Artery and Refinement Network)は, 画像前処理, セグメンテーション, 精細化の3段階からなるパイプラインである。
論文 参考訳（メタデータ） (2025-10-31T09:40:29Z) - SFD-Mamba2Net: Structure-Guided Frequency-Enhanced Dual-Stream Mamba2 Network for Coronary Artery Segmentation [10.610715643574034]
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。
論文 参考訳（メタデータ） (2025-09-10T18:58:45Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - 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) - A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。
完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。
このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
論文 参考訳（メタデータ） (2025-04-02T11:04:44Z) - UltraSeP: Sequence-aware Pre-training for Echocardiography Probe Movement Guidance [70.94473797093293]
本稿では,高品質な標準平面画像取得のためのプローブポーズ調整によるロボットシステムや初心者の誘導に応用可能な,新しいプローブ移動誘導アルゴリズムを提案する。
本研究では, マスクアウト画像の特徴とプローブ動作をスキャンシーケンスで予測することにより, パーソナライズされた3次元心構造の特徴を学習する。
論文 参考訳（メタデータ） (2024-08-27T12:55:54Z) - AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。
AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。
1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
論文 参考訳（メタデータ） (2024-06-13T01:04:47Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - 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) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z)
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。