論文の概要: Vesselpose: Vessel Graph Reconstruction from Learned Voxel-wise Direction Vectors in 3D Vascular Images
- arxiv url: http://arxiv.org/abs/2605.00538v1
- Date: Fri, 01 May 2026 09:34:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.922276
- Title: Vesselpose: Vessel Graph Reconstruction from Learned Voxel-wise Direction Vectors in 3D Vascular Images
- Title（参考訳）: Vesselpose:3次元血管画像におけるVoxel-wise方向ベクトルからの血管グラフ再構成
- Authors: Rajalakshmi Palaniappan, Christoph Karg, Nemesio Navarro-Arambula, Peter Hirsch, Kristin Kraeker, Lisa Mais, Dagmar Kainmueller,
- Abstract要約: 本稿では3次元画像データからトポロジカルに正確な血管グラフを抽出する手法を提案する。
提案手法は,3つのベンチマークデータセットの最先端性能を実現する。
- 参考スコア（独自算出の注目度）: 2.8991059698468287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blood vessel segmentation and -tracing are essential tasks in many medical imaging applications. Although numerous methods exist, the prevailing segment-then-fix paradigm is fundamentally limited regarding its suitability for modeling the task of complete and topologically accurate vascular network reconstruction. Here, we propose an approach to extract topologically more accurate vascular graphs from 3D image data, building upon highly successful ideas from the related biomedical tasks of cell segmentation and -tracking. Our approach first predicts voxel-wise vessel direction vectors joint with standard vessel segmentation masks. Second, to extract the vascular graph from these predictions, we introduce a direction-vector-guided extension of the TEASAR algorithm. Our approach achieves state-of-the-art performance on three benchmark datasets, spanning both synthetic and real imagery. We further demonstrate the applicability of our approach to challenging 3D micro-CT scans of rat heart vasculature. Finally, we propose meaningful and interpretable measures of topological error, namely false splits and false merges for graphs. Overall, our approach substantially improves the topological accuracy of reconstructed vascular graphs, being able to separate closely apposed vessel segments and handle multiple vascular trees within a single volume.
- Abstract（参考訳）: 血管のセグメンテーションと-トレーシングは多くの医療画像応用において必須の課題である。
多数の手法が存在するが、完全かつトポロジカルに正確な血管再建のタスクをモデル化するためには、セグメンテーションのパラダイムが根本的に制限されている。
本稿では,3次元画像データからトポロジカルに正確な血管グラフを抽出する手法を提案する。
本手法はまず,標準的な血管分割マスクを併用したボクセル回りの血管方向ベクトルを推定する。
第2に,これらの予測から血管グラフを抽出するために,TEASARアルゴリズムの方向ベクトル誘導拡張を導入する。
提案手法は,合成画像と実画像の両方にまたがって,3つのベンチマークデータセットの最先端性能を実現する。
さらに,ラット心臓血管の3次元微小CTスキャンへのアプローチの適用性についても検討した。
最後に、グラフに対する偽分割と偽マージという位相誤差の有意義かつ解釈可能な尺度を提案する。
総じて, 再建された血管グラフのトポロジ的精度を著しく向上させ, 密着した血管セグメントを分離し, 一つの体積内で複数の血管木を扱えるようにした。
関連論文リスト
- TRELLIS-Enhanced Surface Features for Comprehensive Intracranial Aneurysm Analysis [2.624902795082451]
頭蓋内大動脈瘤は, 注釈付き3Dデータによる検出, デライン化, モデル化が困難である。
本稿では,大規模非医学的3次元データセットに基づいて学習した生成モデルTRELLISで学習した潜在幾何学的埋め込みを利用したクロスドメイン特徴伝達手法を提案する。
論文 参考訳（メタデータ） (2025-09-03T07:51:17Z) - ViG3D-UNet: Volumetric Vascular Connectivity-Aware Segmentation via 3D Vision Graph Representation [13.363621889050426]
ViG3D-UNetという名前の3Dビジョングラフニューラルネットワークフレームワークが導入された。
ViG3D-UNet法は, 連続血管セグメンテーションを容易にするために, U字型アーキテクチャ内に3次元グラフ表現とアグリゲーションを統合する。
論文 参考訳（メタデータ） (2025-04-18T10:06:45Z) - A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。
我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。
がんのステージングと生存予測の課題に強いパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-03-14T20:15:04Z) - X-GAN: A Generative AI-Powered Unsupervised Model for Main Vessel Segmentation of Glaucoma Screening [11.459516516888966]
本稿では,OCTA画像から主血管を抽出するAIを用いた非教師付きセグメンテーションモデルであるX-GANを提案する。
X-GANはラベル付きデータや高性能コンピューティングリソースに頼ることなく、100%近いセグメンテーション精度を達成する。
論文 参考訳（メタデータ） (2025-03-09T19:56:36Z) - 3D Vessel Graph Generation Using Denoising Diffusion [4.100929120985704]
血管ネットワークは3Dグラフとして表現され、疾患のバイオマーカーの予測、血流のシミュレート、合成画像生成の助けとなる。
船体木の生成を目的とした従来手法は, 主に自己回帰型であり, キャピラリーなどの周期を持つ船体グラフには適用できなかった。
本稿では,3次元血管グラフ生成におけるテキストデノナイズ拡散モデルの最初の応用について紹介する。
論文 参考訳（メタデータ） (2024-07-08T11:39:21Z) - 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) - Fully Automated Tree Topology Estimation and Artery-Vein Classification [0.0]
網膜血管トポロジー(網膜血管トポロジー)を抽出するための完全自動的手法,すなわち,異なる血管が相互にどのように結びついているかを示す。
我々は,網膜動脈-静脈分類における最先端の結果を得るために,抽出法の有用性を検証した。
論文 参考訳（メタデータ） (2022-02-04T20:40:01Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳（メタデータ） (2020-12-14T05:22:49Z) - 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) - Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。
提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。
3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文 参考訳（メタデータ） (2020-04-17T11:55:03Z)
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。