論文の概要: ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images

• arxiv url: http://arxiv.org/abs/2603.20021v1
• Date: Fri, 20 Mar 2026 15:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.19711
• Title: ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images
• Title（参考訳）: ODySSeI:侵襲的冠動脈造影画像における病変の自動検出・分節・重症度推定のためのオープンソースエンド・ツー・エンドフレームワーク
• Authors: Anand Choudhary, Xiaowu Sun, Thabo Mahendiran, Ortal Senouf, Denise Auberson, Bernard De Bruyne, Stephane Fournier, Olivier Muller, Emmanuel Abbé, Pascal Frossard, Dorina Thanou,
• Abstract要約: Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。 本研究では,ICA画像の自動検出,病変,重症度推定のためのオープンソースフレームワークODySSeIを紹介する。 ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合する 我々のLSE技術は,MLDの予測値が,対応する基底真理からpm$2-3ピクセルしか差がないため,精度が高い。
• 参考スコア（独自算出の注目度）: 23.05175906366438
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Invasive Coronary Angiography (ICA) is the clinical gold standard for the assessment of coronary artery disease. However, its interpretation remains subjective and prone to intra- and inter-operator variability. In this work, we introduce ODySSeI: an Open-source end-to-end framework for automated Detection, Segmentation, and Severity estimation of lesions in ICA images. ODySSeI integrates deep learning-based lesion detection and lesion segmentation models trained using a novel Pyramidal Augmentation Scheme (PAS) to enhance robustness and real-time performance across diverse patient cohorts (2149 patients from Europe, North America, and Asia). Furthermore, we propose a quantitative coronary angiography-free Lesion Severity Estimation (LSE) technique that directly computes the Minimum Lumen Diameter (MLD) and diameter stenosis from the predicted lesion geometry. Extensive evaluation on both in-distribution and out-of-distribution clinical datasets demonstrates ODySSeI's strong generalizability. Our PAS yields large performance gains in highly complex tasks as compared to relatively simpler ones, notably, a 2.5-fold increase in lesion detection performance versus a 1-3\% increase in lesion segmentation performance over their respective baselines. Our LSE technique achieves high accuracy, with predicted MLD values differing by only $\pm$ 2-3 pixels from the corresponding ground truths. On average, ODySSeI processes a raw ICA image within only a few seconds on a CPU and in a fraction of a second on a GPU and is available as a plug-and-play web interface at swisscardia.epfl.ch. Overall, this work establishes ODySSeI as a comprehensive and open-source framework which supports automated, reproducible, and scalable ICA analysis for real-time clinical decision-making.
• Abstract（参考訳）: Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。 しかし、その解釈は主観的であり、操作内および操作間変動の傾向が強い。 本稿では,ICA画像中の病変の自動検出,セグメンテーション,重症度推定のためのオープンソースのエンドツーエンドフレームワークODySSeIを紹介する。 ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合し、多様な患者コホート(ヨーロッパ、北アメリカ、アジアから2149人の患者)の堅牢性とリアルタイムのパフォーマンスを向上させる。 さらに, 病変の予測から, 最小腔径 (MLD) と径狭窄を直接計算する定量的冠動脈造影自由病変度推定法 (LSE) を提案する。 分布内および分布外臨床データセットの広範囲な評価は、ODySSeIの強い一般化性を示す。 PASは比較的単純で, 病変検出性能は2.5倍, 病変分割性能は1～3倍に向上した。 我々のLSE技術は高い精度を実現し、予測MDD値は対応する基底真理からわずか$\pm$2-3ピクセルの差しか持たない。 平均して、ODySSeIは生のICA画像をCPU上でわずか数秒で、GPU上では1秒で処理し、swisscardia.epfl.chでプラグイン・アンド・プレイのWebインターフェースとして利用できる。 この研究は総合的かつオープンソースなフレームワークとしてODySSeIを確立し、リアルタイムな臨床的意思決定のための自動化、再現可能、スケーラブルなICA分析をサポートする。

関連論文リスト

• A WDLoRA-Based Multimodal Generative Framework for Clinically Guided Corneal Confocal Microscopy Image Synthesis in Diabetic Neuropathy [8.701084151107652]
  糖尿病性末梢神経障害(DPN)における角膜共焦点顕微鏡による小線維損傷の評価 強靭で自動的なディープラーニングに基づく診断モデルの開発は、角膜神経形態学におけるラベル付きデータの不足ときめ細かい変化によって制限される。 臨床誘導CCM画像合成のためのWDLoRAに基づくマルチモーダル生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-14T09:32:44Z)
• Ocular-Induced Abnormal Head Posture: Diagnosis and Missing Data Imputation [1.7061463565692456]
  AHP(Acular-induced abnormal head posture)は、眼疾患から生じる補充機構である。 本研究では,2つの相補的なディープラーニングフレームワークを通じて,両課題に対処する。 AHP-CADNetは自動診断のための多層注意融合フレームワークである。 カリキュラムベースの計算フレームワークは、欠落したデータを緩和するために設計されている。
  論文  参考訳（メタデータ） (2025-10-07T07:51:59Z)
• Hemorica: A Comprehensive CT Scan Dataset for Automated Brain Hemorrhage Classification, Segmentation, and Detection [0.749500254646884]
  Hemoricaは、2012年から2024年の間に取得された372個の頭部CT検査の公開コレクションである。 ICHサブタイプ(EPH)、サブデューラル(SDH)、サブアラキノイド(SAH)、パーレンキマル(IPH)の5つのサブタイプ(EPH)に対して、各スキャンは徹底的に注釈付けされている。 Hemoricaは、マルチタスクとカリキュラム学習をサポートする統一されたきめ細かいベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-09-26T23:09:41Z)
• CM-UNet: A Self-Supervised Learning-Based Model for Coronary Artery Segmentation in X-Ray Angiography [32.67225649913398]
  CM-UNetは、注釈なしデータセットの自己教師付き事前学習と限られた注釈付きデータでの転送学習を利用する。 500点ではなく18点の注釈付き画像で微調整されたCM-UNetは、Diceのスコアが15.2%低下した。 これは、X線血管造影による冠動脈セグメンテーション改善における自己教師的学習の重要性を強調した最初の研究の1つである。
  論文  参考訳（メタデータ） (2025-07-22T21:27:34Z)
• GS-TransUNet: Integrated 2D Gaussian Splatting and Transformer UNet for Accurate Skin Lesion Analysis [44.99833362998488]
  本稿では,2次元ガウススプラッティングとTransformer UNetアーキテクチャを組み合わせた皮膚癌自動診断手法を提案する。 セグメンテーションと分類の精度は著しく向上した。 この統合は、新しいベンチマークをこの分野に設定し、マルチタスク医療画像解析手法のさらなる研究の可能性を強調している。
  論文  参考訳（メタデータ） (2025-02-23T23:28:47Z)
• Deep Learning for Vascular Segmentation and Applications in Phase Contrast Tomography Imaging [33.23991248643144]
  本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。 我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。 HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
  論文  参考訳（メタデータ） (2023-11-22T11:15:38Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
  X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。 左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
  論文  参考訳（メタデータ） (2021-03-04T11:45:54Z)
• A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation [33.684182783291064]
  アジア人では, 一次角閉鎖緑内障(PACG)が非可逆性失明の原因となっている。 提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。 公開されているAGEデータセットの実験では、提案されたフレームワークが最先端の半弱教師付き手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-20T11:26:32Z)

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。