Fugu-MT 論文翻訳(概要): Intracoronary Optical Coherence Tomography Image Processing and Vessel Classification Using Machine Learning

論文の概要: Intracoronary Optical Coherence Tomography Image Processing and Vessel Classification Using Machine Learning

arxiv url: http://arxiv.org/abs/2602.15579v2
Date: Thu, 19 Feb 2026 10:26:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-20 15:21:28.209576
Title: Intracoronary Optical Coherence Tomography Image Processing and Vessel Classification Using Machine Learning
Title（参考訳）: 機械学習を用いた冠動脈内光コヒーレンストモグラフィ画像処理と血管分類
Authors: Amal Lahchim, Lambros Athanasiou,
Abstract要約: 冠動脈内光コヒーレンス・トモグラフィーは冠動脈解剖の高分解能な可視化を可能にする。提案手法は, 画像前処理, ガイドワイヤアーティファクト除去, 極対カルテシア変換, 教師なしK平均クラスタリング, 局所特徴抽出を統合した。実験結果は優れた性能を示し、精度、リコール、F1スコアの値は1.00まで、全体的な分類精度は99.68%である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Intracoronary Optical Coherence Tomography (OCT) enables high-resolution visualization of coronary vessel anatomy but presents challenges due to noise, imaging artifacts, and complex tissue structures. This paper proposes a fully automated pipeline for vessel segmentation and classification in OCT images using machine learning techniques. The proposed method integrates image preprocessing, guidewire artifact removal, polar-to-Cartesian transformation, unsupervised K-means clustering, and local feature extraction. These features are used to train Logistic Regression and Support Vector Machine classifiers for pixel-wise vessel classification. Experimental results demonstrate excellent performance, achieving precision, recall, and F1-score values up to 1.00 and overall classification accuracy of 99.68%. The proposed approach provides accurate vessel boundary detection while maintaining low computational complexity and requiring minimal manual annotation. This method offers a reliable and efficient solution for automated OCT image analysis and has potential applications in clinical decision support and real-time medical image processing.
Abstract（参考訳）: 冠動脈内光コヒーレンス・トモグラフィ(OCT)は、冠動脈解剖の高精細な可視化を可能にするが、ノイズ、イメージングアーティファクト、複雑な組織構造による課題を提起する。本稿では,OCT画像の血管分割と分類を機械学習を用いて完全に自動化するパイプラインを提案する。提案手法は, 画像前処理, ガイドワイヤアーティファクト除去, 極対カルテシア変換, 教師なしK平均クラスタリング, 局所特徴抽出を統合した。これらの機能は、ピクセルワイドの容器分類のためのロジスティック回帰とサポートベクトルマシンの分類を訓練するために使用される。実験結果は優れた性能を示し、精度、リコール、F1スコアの値は1.00まで、全体的な分類精度は99.68%である。提案手法は,計算量が少なく,手動のアノテーションを最小限に抑えつつ,正確な容器境界検出を実現する。本手法は,OCT画像の自動解析のための信頼性が高く効率的なソリューションであり,臨床診断支援やリアルタイム医用画像処理に潜在的に有用である。

関連論文リスト

An automated framework for brain vessel centerline extraction from CTA images [28.173407996203153]
CTA画像から脳血管中心を抽出する自動フレームワークを提案する。提案手法は,平均対称中心線距離 (ASCD) と重なり (OV) の観点から,最先端手法より優れている。サブグループ分析では,脳卒中治療における臨床応用において,提案する枠組みが有望であることが示唆された。
論文参考訳（メタデータ） (2024-01-13T11:01:00Z)
AutoCT: Automated CT registration, segmentation, and quantification [0.5461938536945721]
本稿では, エンドツーエンドの自動前処理, 登録, セグメンテーション, 3次元CTスキャンの定量的解析を統合した包括的パイプラインを提案する。エンジニアリングされたパイプラインは、アトラスベースのCTセグメンテーションと定量化を可能にする。軽量でポータブルなソフトウェアプラットフォーム上で、AutoCTは、人工知能駆動アプリケーションのデプロイを支えるために、CTイメージングコミュニティのための新しいツールキットを提供する。
論文参考訳（メタデータ） (2023-10-26T21:09:47Z)
Enhancing Point Annotations with Superpixel and Confidence Learning Guided for Improving Semi-Supervised OCT Fluid Segmentation [17.85298271262749]
Superpixel and Confident Learning Guide Point s Network (SCLGPA-Net)。 Superpixel-Guided Pseudo-Label Generation (SGPLG)モジュールは擬似ラベルとピクセルレベルのラベル信頼マップを生成する。 CLGLR(Confident Learning Guided Label Refinement)モジュールは、擬似ラベル内のエラー情報を識別し、さらなる改善につながる。
論文参考訳（メタデータ） (2023-06-05T04:21:00Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文参考訳（メタデータ） (2023-05-05T13:42:19Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Physiology-based simulation of the retinal vasculature enables annotation-free segmentation of OCT angiographs [8.596819713822477]
提案するパイプラインは,大量のリアルなOCTA画像を,本質的に一致する基底真理ラベルで合成する。提案手法は,1) 様々な網膜叢をモデル化した生理的シミュレーション,2) 物理に基づく画像拡張のスイートの2つの新しい構成要素を基礎にしている。
論文参考訳（メタデータ） (2022-07-22T14:22:22Z)
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)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
Joint Learning of Vessel Segmentation and Artery/Vein Classification with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文参考訳（メタデータ） (2020-05-27T13:06:16Z)

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。