論文の概要: SynVA: A Modular Toolkit for Vessel Generation and Aneurysm Editing

• arxiv url: http://arxiv.org/abs/2605.17620v1
• Date: Wed, 13 May 2026 16:00:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.231494
• Title: SynVA: A Modular Toolkit for Vessel Generation and Aneurysm Editing
• Title（参考訳）: SynVA: 血管生成と動脈瘤編集のためのモジュールツールキット
• Authors: Marten J. Finck, Niklas C. Koser, Sarker M. Mahfuz, Tameem Jahangir, Jon E. Wilhelm, Daniel Behme, Naomi Larsen, Wojtek Palubicki, Sylvia Saalfeld, Sören Pirk,
• Abstract要約: 頭蓋内動脈瘤(IAs)は脳卒中の主要な原因であり、致命的かつ長期の障害を伴う致命的な出血を引き起こす。 本稿では,血管メッシュ生成と解剖学的に一貫した動脈瘤合成のためのモジュールツールキットであるSynVAについて述べる。
• 参考スコア（独自算出の注目度）: 7.282854394781476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intracranial aneurysms (IAs), characterized by unpredictable growth and risk of rupture, are a major cause of stroke and can lead to life-threatening hemorrhages with high mortality and long-term disability. With aging populations, the incidence and overall burden of cerebrovascular diseases are expected to increase, highlighting the need for scalable approaches to analyze complex medical data and improve population-level understanding of these conditions. While digital twins and deep learning offer promising avenues for improving diagnosis, prognosis, and treatment, their effectiveness is limited by the scarcity of large-scale, high-quality medical data and corresponding labels. We present Synthetic VAsculature (SynVA), a modular toolkit for vascular mesh generation and anatomically consistent aneurysm synthesis. SynVA combines novel flow-matching-based methods for generating healthy vessel meshes with learning-based approaches for anatomy-conditioned aneurysm mesh generation - aneurysms are computed from pre-existing vascular geometries rather than being generated in isolation. In addition, we introduce the SynVA procedural model for vascular and aneurysm synthesis based solely on physiological principles and statistical priors, which enables the generation of large-scale datasets (e.g., for the training of mesh-based generative models). To this end, we release a dataset of 50,000 fully labeled mesh samples for a variety of downstream vision tasks, such as semantic segmentation. Extensive quantitative and qualitative evaluations demonstrate that SynVA generates realistic vessel geometries and anatomically plausible aneurysms. Specifically, our experiments indicate that some methods produce aneurysm shapes more aligned with expert human perception while others perform better on quantitative similarity metrics with reconstructions of real aneurysms.
• Abstract（参考訳）: 頭蓋内動脈瘤 (IAs) は, 脳卒中の主要な原因であり, 死亡率が高く, 長期的障害も大きい。 高齢化に伴い、脳血管疾患の発生頻度と全体的な負担が増加し、複雑な医療データを分析し、人口レベルの理解を改善するためのスケーラブルなアプローチの必要性が浮き彫りになる。 デジタル双生児とディープラーニングは診断、予後、治療を改善するための有望な道を提供するが、その効果は大規模で高品質な医療データとそれに対応するラベルの不足によって制限される。 本稿では,血管メッシュ生成と解剖学的に一貫した動脈瘤合成のためのモジュールツールキットであるSynVAについて述べる。 SynVAは、正常な血管メッシュを生成するための新しいフローマッチングベースの方法と、解剖学的に条件付けられた動脈瘤メッシュ生成のための学習ベースのアプローチを組み合わせる。 さらに、生理学的原理と統計的先行性のみに基づく血管および動脈瘤合成のためのSynVAプロシージャモデルを導入し、大規模データセット(例えば、メッシュベースの生成モデルのトレーニング)の生成を可能にした。 この目的のために、セマンティックセグメンテーションなど、さまざまな下流視覚タスクのための5万の完全なラベル付きメッシュサンプルデータセットをリリースする。 広汎な定量的および定性的評価により、SynVAは現実的な血管のジオメトリーと解剖学的に妥当な動脈瘤を発生させることが示された。 具体的には,脳動脈瘤の形状を専門的な人間の知覚と整合させる手法もあれば,脳動脈瘤の再建に伴う定量的類似度指標をより良く行う方法も提案されている。

関連論文リスト

• Real-Time Surrogate Modeling for Personalized Blood Flow Prediction and Hemodynamic Analysis [0.21111026813272174]
  本稿では,瞬時血行動態予測とパラメータ推定が可能な機械学習モデル(ML)を訓練するための体系的枠組みを提案する。 Asklepiosの大規模臨床データセットで観測された多変量相関に基づいて,まずパラメトリックな仮想コホートを作成した。 次に、患者固有の動脈圧と心臓出力(CO)を予測するディープ・ニューラル・サロゲートモデルを訓練し、入力パラメータの高速なアプリオリスクリーニングを可能にする。
  論文  参考訳（メタデータ） (2026-04-03T17:15:34Z)
• Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
  我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。 Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。 最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
  論文  参考訳（メタデータ） (2026-03-08T09:54:08Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• Recursive Variational Autoencoders for 3D Blood Vessel Generative Modeling [0.7722830505405722]
  階層構造をフル活用する再帰変動ニューラルネットワーク(RvNN)を開発した。 RvNNは、ターゲット表面を記述する幾何学的特徴とともに、分岐接続を符号化する低次元多様体を学習する。 我々は、正確で多様な血管の3Dモデルを生成し、医療や外科訓練、血行動態シミュレーション、その他多くの目的に欠かせない。
  論文  参考訳（メタデータ） (2025-06-17T18:47:27Z)
• Graph-Convolutional-Beta-VAE for Synthetic Abdominal Aorta Aneurysm Generation [4.363232795241618]
  本研究は, 人工腹部大動脈瘤(AAA)生成のためのβ可変オートエンコーダグラフ畳み込みニューラルネットワークフレームワークを提案する。 提案手法は, 解剖学的特徴を抽出し, コンパクトな非絡み合い空間内での複雑な統計的関係を捉える。 合成AAAデータセットは患者のプライバシを保護し、医療研究、デバイステスト、計算モデリングのためのスケーラブルな基盤を提供する。
  論文  参考訳（メタデータ） (2025-06-16T15:55:56Z)
• Aneumo: A Large-Scale Multimodal Aneurysm Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks [16.753219355754222]
  脳動脈瘤 (IAs) は総人口の約5%にみられた重症脳血管障害である。 彼らの破裂は高い死亡率につながるかもしれない。 IAリスクの評価法は, 形態学的, 患者固有の因子に焦点が当てられているが, 血液動態がIAの発生と破裂に与える影響は明らかになっていない。 このデータセットは、大動脈瘤の研究を進め、バイオ流体、バイオメディカルエンジニアリング、臨床リスクアセスメントにおけるデータ駆動アプローチを促進することを目的としている。
  論文  参考訳（メタデータ） (2025-05-19T09:32:09Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)

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。