論文の概要: TopoVST: Toward Topology-fidelitous Vessel Skeleton Tracking

• arxiv url: http://arxiv.org/abs/2603.14909v1
• Date: Mon, 16 Mar 2026 07:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:36.124668
• Title: TopoVST: Toward Topology-fidelitous Vessel Skeleton Tracking
• Title（参考訳）: TopoVST:Topology-Fidelitous Vessel Skeleton Trackingに向けて
• Authors: Yaoyu Liu, Minghui Zhang, Junjun He, Yun Gu,
• Abstract要約: TopoVSTは、トポロジーに精通した船体骨格追跡装置である。 TopoVSTは入力画像をサンプリングするためにマルチスケールスフィアグラフを構築する。 グラフニューラルネットワークを使用して、追跡方向と血管径を共同で推定する。
• 参考スコア（独自算出の注目度）: 19.61161867674765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic extraction of vessel skeletons is crucial for many clinical applications. However, achieving topologically faithful delineation of thin vessel skeletons remains highly challenging, primarily due to frequent discontinuities and the presence of spurious skeleton segments. To address these difficulties, we propose TopoVST, a topology-fidelitious vessel skeleton tracker. TopoVST constructs multi-scale sphere graphs to sample the input image and employs graph neural networks to jointly estimate tracking directions and vessel radii. The utilization of multi-scale representations is enhanced through a gating-based feature fusion mechanism, while the issue of class imbalance during training is mitigated by embedding a geometry-aware weighting scheme into the directional loss. In addition, we design a wave-propagation-based skeleton tracking algorithm that explicitly mitigates the generation of spurious skeletons through space-occupancy filtering. We evaluate TopoVST on two vessel datasets with different geometries. Extensive comparisons with state-of-the-art baselines demonstrate that TopoVST achieves competitive performance in both overlapping and topological metrics. Our source code is available at: https://github.com/EndoluminalSurgicalVision-IMR/TopoVST.
• Abstract（参考訳）: 血管骨格の自動抽出は多くの臨床応用において重要である。 しかしながら、細い船体骨格のトポロジカルに忠実なデライン化を実現することは、主に頻繁な不連続と急激な骨格セグメントの存在のため、非常に困難である。 これらの課題に対処するため, トポロジに富む船体骨格トラッカーであるTopoVSTを提案する。 TopoVSTは入力画像をサンプリングするためにマルチスケールスフィアグラフを構築し、グラフニューラルネットワークを使用して追跡方向と血管径を共同で推定する。 マルチスケール表現の活用はゲーティングに基づく特徴融合機構によって促進され、幾何学的重み付け方式を指向性損失に埋め込むことにより、トレーニング中のクラス不均衡の問題が軽減される。 さらに,波動伝搬に基づくスケルトン追跡アルゴリズムを設計し,空間占有フィルタリングによるスプリアススケルトンの生成を明示的に緩和する。 TopoVSTは,異なる地形を持つ2つの容器データセット上で評価する。 最先端のベースラインとの大規模な比較は、TopoVSTが重複メトリクスとトポロジメトリクスの両方で競合性能を達成することを示している。 ソースコードは、https://github.com/EndoluminalSurgicalVision-IMR/TopoVST.comで公開されています。

関連論文リスト

• UltraStar: Semantic-Aware Star Graph Modeling for Echocardiography Navigation [52.786325504418585]
  経路回帰からアンカーベースグローバルローカライゼーションへのプローブナビゲーションを再構成するUltraStarを提案する。 1.31万以上のサンプルを持つデータセットの実験では、UltraStarはベースラインを上回り、より長い入力長でスケールすることが示されている。
  論文  参考訳（メタデータ） (2026-03-02T05:21:06Z)
• VFGS-Net: Frequency-Guided State-Space Learning for Topology-Preserving Retinal Vessel Segmentation [14.615144175462051]
  本稿では、周波数認識機能強化、デュアルパス畳み込み表現学習、および統一アーキテクチャ内の非対称空間状態空間モデリングをシームレスに統合するエンドツーエンドセグメンテーションフレームワークを提案する。 本モデルでは, 細血管, 複雑な分岐パターン, 低コントラスト領域のセグメンテーション精度を常に改善し, その堅牢性と臨床応用の可能性を強調した。
  論文  参考訳（メタデータ） (2026-02-11T16:07:29Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• SPEAL: Skeletal Prior Embedded Attention Learning for Cross-Source Point Cloud Registration [20.32815928095936]
  ポイントクラウドの登録は、クロスソースのポイントクラウドと非構造化のシーンでほとんど探索されていない。 そこで我々は,SPEALと呼ばれる新しい手法を提案し,スケルトン表現を利用して点雲の固有位相を効果的に学習する。 我々の知識を最大限に活用するために、我々のアプローチは骨格幾何学的な先行した点雲の登録を容易にする最初の方法である。
  論文  参考訳（メタデータ） (2023-12-14T05:35:51Z)
• Cascaded multitask U-Net using topological loss for vessel segmentation and centerline extraction [2.264332709661011]
  本稿では,血管骨格をセグメント化から直接計算するU-Netによるソフトスケルトンアルゴリズムの置き換えを提案する。 セグメンテーション中にトポロジ的制約を埋め込むために、clDice損失をトレーニングしたカスケードU-Netをこのネットワーク上に構築する。
  論文  参考訳（メタデータ） (2023-07-21T14:12:28Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• 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)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)

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。