論文の概要: Leptomeningeal Collateral Detection on DSA via Vessel-Graph Neural Networks
- arxiv url: http://arxiv.org/abs/2606.14828v1
- Date: Fri, 12 Jun 2026 14:31:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:32.263324
- Title: Leptomeningeal Collateral Detection on DSA via Vessel-Graph Neural Networks
- Title（参考訳）: 血管グラフニューラルネットワークを用いたDSAのLeptomeningeal Collateral Detection
- Authors: Junyong Cao, Hakim Baazaoui, Chinmay Prabhakar, Suprosanna Shit, Lukas Bastian Otto, Susanne Wegener, Bjoern Menze, Ezequiel de la Rosa,
- Abstract要約: グラフ上の個々の血管セグメントの分類として横方向検出を定式化する枠組みを提案する。
ハイブリッドグラフ・ピクセル・アーキテクチャは、トポロジーを意識したグラフ・ブランチと、共有ノード確率空間に融合した高密度ピクセル・ブランチを組み合わせる。
5倍のクロスバリデーション設定では、融合モデルは0.434のPR-AUCを達成し、グラフのみ(0.403)とピクセルのみ(0.362)のベースラインを上回っている。
- 参考スコア（独自算出の注目度）: 2.765911417579664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Leptomeningeal collaterals (LMCs) are an important prognostic factor in acute ischemic stroke. Existing automated methods rely on CT angiography (CTA), but individual LMCs are often too small to be resolved on CTA, limiting these methods to coarse collateral scoring. Digital subtraction angiography (DSA) visualizes individual collaterals at superior resolution, yet current assessment remains subjective, relying on manual grading scales that suffer from poor inter-rater agreement. We present a framework that formulates collateral detection as the classification of individual vessel segments on a graph derived from DSA. A hybrid graph-pixel architecture combines a topology-aware graph branch with a dense pixel branch, fused in a shared node-probability space. In a five-fold cross-validation setting, the fused model achieves a PR-AUC of 0.434, outperforming the graph-only (0.403) and pixel-only (0.362) baselines. To our knowledge, this is the first method to enable the individualization of LMCs in DSA, allowing for precise per-vessel quantitative assessment. This integration shifts DSA assessment toward objective evaluation, supporting future biomarker and pattern discovery for individual LMCs.
- Abstract（参考訳）: 急性虚血性脳梗塞の予後因子としてLeptomeningeal collaterals(LMCs)が有用である。
既存の自動化法はCTアンギオグラフィー(CTA)に依存しているが、個々のLCCはCTAで解決するには小さすぎることが多く、これらの手法はコラテラルスコアに制限される。
デジタルサブトラクション血管造影(DSA)は、個々の側方筋を高解像度で可視化するが、現在の評価は依然として主観的であり、手動のグレーディング尺度に依存している。
DSAから派生したグラフ上で,個々の血管セグメントの分類として側方検出を定式化する枠組みを提案する。
ハイブリッドグラフ・ピクセル・アーキテクチャは、トポロジーを意識したグラフ・ブランチと、共有ノード確率空間に融合した高密度ピクセル・ブランチを組み合わせる。
5倍のクロスバリデーション設定では、融合モデルは0.434のPR-AUCを達成し、グラフのみ(0.403)とピクセルのみ(0.362)のベースラインを上回っている。
我々の知る限り、これはDSAにおけるLCCの個別化を可能にする最初の方法であり、船ごとの正確な定量的評価を可能にする。
この統合は、DSA評価を客観的評価にシフトさせ、将来のバイオマーカーと個々のLCCのパターン発見を支援する。
関連論文リスト
- VEELA: A Clinically-Constrained Benchmark for Liver Vessel Segmentation in Computed Tomography Angiography [0.3267907805950309]
VEELA(Vessel extract and Extrication for Liver Analysis)は、40個のCTAスキャンから厳密にキュレートされた血管データセットである。
すべての船は、厳密な可視性に基づくアノテーションポリシーを使用して、多専門家の合意のもと、手動でスライス・バイ・スライスされた。
標準化されたベンチマークフレームワークを構築し,トポロジ・アウェア(clDice)、オーバーラップ・ベース(IoU)、バウンダリ・センシティブ・アタッチメント(NSD)、ジオメトリ・アウェア(エリア,長さ)といった相補的評価指標を解析する。
論文 参考訳（メタデータ） (2026-05-21T11:42:47Z) - SHAPE: Structure-aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation for Medical Image Segmentation [7.174788000625294]
非教師付きドメイン適応(Unsupervised Domain Adaptation, UDA)は、様々な臨床環境に医療セグメンテーションモデルを配置するために不可欠である。
SHAPE(Structure-Aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation)は、グローバルな解剖学的妥当性に対する適応を再構築するフレームワークである。
論文 参考訳（メタデータ） (2026-03-23T12:25:56Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - Myocardial Region-guided Feature Aggregation Net for Automatic Coronary artery Segmentation and Stenosis Assessment using Coronary Computed Tomography Angiography [13.885760158090692]
心筋領域誘導型特徴集約ネットは、冠状動脈セグメンテーションの堅牢性を高めるために、解剖学的事前知識を統合する新しいU字型二重エンコーダアーキテクチャである。
本フレームワークは,(1)ブリッジング拡張とマルチスケール機能融合による冠動脈領域への注意を誘導する心筋領域誘導モジュール,(2)並列空間チャネルの注意と残留ブロックを結合して局所的特徴識別を増強する残留特徴抽出モジュール,(3)階層的血管特徴の適応的アダプティブアグリゲーションのためのマルチスケール機能融合モジュールの3つの重要なイノベーションを取り入れている。
論文 参考訳（メタデータ） (2025-04-27T16:43:52Z) - KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳（メタデータ） (2024-10-28T16:00:42Z) - Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。
提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。
次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文 参考訳（メタデータ） (2024-08-09T15:10:34Z) - Continuous max-flow augmentation of self-supervised few-shot learning on SPECT left ventricles [0.0]
本研究の目的は, 診断センターとクリニックが, 小型・低品質のSPECTラベルに基づいて自動的に心筋のセグメンテーションを行うためのレシピを提供することである。
SPECT装置の様々な領域における3次元U-Net自己教師学習(SSL)アプローチを強化するために,CMF(Continuous Max-Flow)と事前形状情報の組み合わせを開発した。
論文 参考訳（メタデータ） (2024-05-09T03:19:19Z) - 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) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z)
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。