Fugu-MT 論文翻訳(概要): Robust automatic brain vessel segmentation in 3D CTA scans using dynamic 4D-CTA data

論文の概要: Robust automatic brain vessel segmentation in 3D CTA scans using dynamic 4D-CTA data

arxiv url: http://arxiv.org/abs/2602.00391v2
Date: Wed, 04 Feb 2026 02:22:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-05 15:07:33.627904
Title: Robust automatic brain vessel segmentation in 3D CTA scans using dynamic 4D-CTA data
Title（参考訳）: 動的4D-CTAデータを用いた3次元CTAスキャンにおけるロバスト自動脳血管セグメンテーション
Authors: Alberto Mario Ceballos-Arroyo, Shrikanth M. Yadav, Chu-Hsuan Lin, Jisoo Kim, Geoffrey S. Young, Huaizu Jiang, Lei Qin,
Abstract要約: 動的4D-CTA頭部スキャンを用いた脳血管造影法を開発した。我々は、動的4D-CTAコレクションから複数のフェーズに同じセグメンテーションを用いて、地上の真理アノテーションに基づいてディープラーニングモデルを訓練する。対象は,25例の訓練画像110例,14例の検査画像165例であった。
参考スコア（独自算出の注目度）: 9.67851559401684
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this study, we develop a novel methodology for annotating the brain vasculature using dynamic 4D-CTA head scans. By using multiple time points from dynamic CTA acquisitions, we subtract bone and soft tissue to enhance the visualization of arteries and veins, reducing the effort required to obtain manual annotations of brain vessels. We then train deep learning models on our ground truth annotations by using the same segmentation for multiple phases from the dynamic 4D-CTA collection, effectively enlarging our dataset by 4 to 5 times and inducing robustness to contrast phases. In total, our dataset comprises 110 training images from 25 patients and 165 test images from 14 patients. In comparison with two similarly-sized datasets for CTA-based brain vessel segmentation, a nnUNet model trained on our dataset can achieve significantly better segmentations across all vascular regions, with an average mDC of 0.846 for arteries and 0.957 for veins in the TopBrain dataset. Furthermore, metrics such as average directed Hausdorff distance (adHD) and topology sensitivity (tSens) reflected similar trends: using our dataset resulted in low error margins (adHD of 0.304 mm for arteries and 0.078 for veins) and high sensitivity (tSens of 0.877 for arteries and 0.974 for veins), indicating excellent accuracy in capturing vessel morphology. Our code and model weights are available online at https://github.com/alceballosa/robust-vessel-segmentation
Abstract（参考訳）: 本研究では,動的4D-CTAヘッドスキャンを用いて脳血管のアノテートを行う新しい手法を開発した。骨と軟部組織を減じて動脈と静脈の可視化を図り,脳血管の手動アノテーションの取得に要する労力を削減した。次に、動的4D-CTAコレクションから複数のフェーズに同じセグメンテーションを使用して、基底真理アノテーションに基づいてディープラーニングモデルをトレーニングし、データセットを4～5倍に効果的に拡大し、コントラストフェーズに対して堅牢性を誘導する。対象は25例の訓練画像110例,14例の検査画像165例であった。 CTAベースの脳血管セグメンテーションのための2つの同様のサイズのデータセットと比較すると、我々のデータセットでトレーニングされたnnUNetモデルは、動脈の平均mDCは0.846で、TopBrainデータセットの静脈では0.957である。さらに, 平均指向型ハウスドルフ距離 (adHD) やトポロジー感度 (tSens) などの指標も類似した傾向を反映しており, われわれのデータセットを用いて, 誤差マージンが低い(動脈は0.304 mm, 静脈は0.078 mm, 動脈は0.877 m, 静脈は0.974 mm)。私たちのコードとモデルウェイトはhttps://github.com/alceballosa/robust-vessel-segmentationでオンラインで公開されています。

関連論文リスト

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)
Dynamic-Computed Tomography Angiography for Cerebral Vessel Templates and Segmentation [2.4012801238551322]
我々はCT画像から直接血管を分割する2つの分割法を開発し,評価する。 DL血管セグメンテーションを作成するために,MRA血管セグメンテーションツールiCafeを用いて動脈および静脈構造を29例に分けた。いずれのセグメンテーションも,11例の4D-CTデータセットを用いて評価し,神経放射線技師による検証を行った。
論文参考訳（メタデータ） (2025-02-14T03:33:04Z)
SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文参考訳（メタデータ） (2024-11-14T17:06:00Z)
Comparative Study of Probabilistic Atlas and Deep Learning Approaches for Automatic Brain Tissue Segmentation from MRI Using N4 Bias Field Correction and Anisotropic Diffusion Pre-processing Techniques [0.0]
本研究では,確率ATLAS,U-Net,nnU-Net,LinkNetなど,様々なセグメンテーションモデルの比較分析を行う。以上の結果から,3D nnU-Netモデルが他のモデルよりも優れており,Dice Coefficientスコア(0.937 + 0.012)が最も高い結果を得た。この結果は、特にN4 Bias Field CorrectionとAnisotropic Diffusion Pre-processingと組み合わせた場合、脳組織セグメンテーションにおけるnnU-Netモデルの優位性を強調した。
論文参考訳（メタデータ） (2024-11-08T10:07:03Z)
MRSegmentator: Multi-Modality Segmentation of 40 Classes in MRI and CT [29.48170108608303]
このモデルは、英国バイオバンクの1200個の手動3D軸MRIスキャン、221個の社内MRIスキャン、1228個のCTスキャンでトレーニングされた。明確な臓器(肺: DSC 0.96, 心臓: DSC 0.94)と解剖学的変化のある臓器(皮膚: DSC 0.96, 腎臓: DSC 0.95)に対して高い精度を示す。 CTとよく似ており、AMOS CTデータではDSC平均0.84$pm$ 0.11となる。
論文参考訳（メタデータ） (2024-05-10T13:15:42Z)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
身体CT画像の深層学習セグメント化モデルを提案する。このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
論文参考訳（メタデータ） (2022-08-11T15:16:40Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
Detection of Large Vessel Occlusions using Deep Learning by Deforming Vessel Tree Segmentations [5.408694811103598]
この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。 5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
論文参考訳（メタデータ） (2021-12-03T09:07:29Z)
3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文参考訳（メタデータ） (2021-04-04T20:30:14Z)

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。