Fugu-MT 論文翻訳(概要): Clinically Aligned Geometry Constraints for Robust IVUS Vessel Boundary Segmentation

論文の概要: Clinically Aligned Geometry Constraints for Robust IVUS Vessel Boundary Segmentation

arxiv url: http://arxiv.org/abs/2606.18723v1
Date: Wed, 17 Jun 2026 06:02:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-18 17:16:51.02848
Title: Clinically Aligned Geometry Constraints for Robust IVUS Vessel Boundary Segmentation
Title（参考訳）: ロバストIVUS血管境界セグメンテーションにおける臨床適応型幾何学的制約
Authors: Yunshu Chen, Litao Yang, Giuseppe Di Giovanni, Jordan Tan, Deval Mehta, Andrew Lin, Derek Chew, Masasi Fujino, Julie Butters, Stephen Nicholls, Zongyuan Ge, Kyung Hoon Cho,
Abstract要約: 定量的冠プラーク負荷評価には血管内超音波(IVUS)セグメンテーションが重要である。オーバーラップスコアを優先する標準的な手法は境界ドリフトやトポロジーの誤りに悩まされ、不正確な臨床測定に繋がる。クロスドメイン・アテンションと時間融合を併用したデュアル・カルテシアン・ポーラ・エンコーダを用いて、5フレームIVUSクリップを処理する幾何一貫性ネットワークGeoCatを提案する。 Dice/IoU, 境界測度(95HD), ASSD, トポロジ違反率, 臨床幾何学誤差(dmax/dmin, 角度, 面積)など, セグメンテーション精度とプラーク関連臨床指標の両方を用いて評価を行った。
参考スコア（独自算出の注目度）: 10.359133930200992
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Intravascular ultrasound (IVUS) lumen and external elastic membrane (EEM) segmentation is important for quantitative coronary plaque burden assessment. Errors in lumen or EEM delineation directly propagate to plaque area, plaque burden and geometric measurements. However, standard methods prioritising overlap scores often suffer from boundary drift and topology errors, leading to inaccurate clinical measurements. We present GeoCat, a geometry-consistent network that processes 5-frame IVUS clips using dual Cartesian-polar encoders with cross-domain attention and temporal fusion. A differentiable geometry consistency loss directly supervises clinically relevant descriptors including diameters, orientations, and cross-sectional areas. The model is trained on 12,242 annotated frames from 146 patients acquired with two commercial IVUS systems. We evaluate performance using both segmentation accuracy and plaque-relevant clinical metrics, including Dice/IoU, boundary measures(95HD (mm), ASSD), topology violation rate, and clinical geometry errors (dmax/dmin, angles, and areas). On our dataset, GeoCat achieves a Dice of 0.93, reduces 95HD to 0.14 mm, and lowers topology violations to 1.0%. Importantly, it significantly improves geometric fidelity, yielding diameter errors of 0.13-0.16 mm and angular errors of ~8 degrees, supporting reliable plaque burden quantification.
Abstract（参考訳）: 冠動脈プラーク負荷の定量的評価には,血管内超音波(IVUS)と外部弾性膜(EEM)セグメンテーションが重要である。ルーメンまたはEEMのデラインの誤差は、プラーク領域、プラーク負荷、幾何学的測定に直接伝播する。しかし、オーバーラップスコアを優先する標準的な手法は境界ドリフトやトポロジーの誤差に悩まされることが多く、不正確な臨床測定に繋がる。クロスドメイン・アテンションと時間融合を併用したデュアル・カルテシアン・ポーラ・エンコーダを用いて、5フレームIVUSクリップを処理する幾何一貫性ネットワークGeoCatを提案する。識別可能な幾何整合性損失は、直径、向き、断面領域を含む臨床的に関係のある記述子を直接監督する。このモデルは、2つのIVUSシステムで取得した146人の患者から12,242個の注釈付きフレームで訓練されている。 Dice/IoU,境界測度 (95HD (mm), ASSD), トポロジ違反率, 臨床幾何学的誤差 (dmax/dmin, 角度, 面積) など, セグメンテーション精度とプラーク関連臨床指標の両方を用いて評価を行った。データセットでは、GeoCatはDiceの0.93を達成し、95HDを0.14mmに減らし、トポロジー違反を1.0%に下げる。重要なことに、幾何学的忠実度を大幅に改善し、直径0.13-0.16mmの誤差と角度誤差が約8度となり、信頼性の高いプラークの重みの定量化をサポートする。

関連論文リスト

Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文参考訳（メタデータ） (2026-06-17T08:10:30Z)
ARIADNE: A Perception-Reasoning Synergy Framework for Trustworthy Coronary Angiography Analysis [11.092207850601488]
ARIADNEは2段階のフレームワークを結合し,RLに基づく狭窄検出のための診断的推論を行う。 1,400の臨床血管造影では、ARIADNEは最先端のセンターラインDice 0.838を達成し、幾何学的ベースラインと比較して偽陽性を41%減少させる。
論文参考訳（メタデータ） (2026-03-19T17:25:19Z)
DINOv3 with Test-Time Calibration for Automated Carotid Intima-Media Thickness Measurement on CUBS v1 [5.343632486602401]
DINOv3をベースとした頸動脈内膜-中膜複合体の分断とその後のCIMT測定のためのフレームワークを開発した。以上の結果から,DINOv3をベースとしたアプローチは,臨床的に関係のある$sim$0.1 mmに設定できる。そこで本研究では,視覚基盤モデルを用いたCIMT測定の可能性について検討した。
論文参考訳（メタデータ） (2026-03-11T03:33:04Z)
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)
Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound [7.760705377465734]
UNetのような現在のセグメンテーションネットワークは、IVUSにおける臨床応用に必要な精度を欠いている。そこで我々はGeo-UNetフレームワークを提案する。静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
論文参考訳（メタデータ） (2024-08-09T02:55:25Z)
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)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
A Benchmark for Weakly Semi-Supervised Abnormality Localization in Chest X-Rays [42.1336336144291]
本稿では,弱い半教師付き戦略であるPoint Beyond Classを用いて,CXR異常局所化フレームワークを訓練することを提案する。 PBCの背後にある中核的な考え方は、ポイントアノテーションからバウンディングボックスへの堅牢で正確なマッピングを学ぶことです。 RSNAとVinDr-CXRデータセットの実験結果は,提案手法の有効性を正当化するものである。
論文参考訳（メタデータ） (2022-09-05T14:36:07Z)
The impact of using voxel-level segmentation metrics on evaluating multifocal prostate cancer localisation [8.035409264165937]
Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医用画像セグメンテーションの評価に広く用いられている。本研究は、まず、前立腺がんの手術計画において、対象検出に使用されるものを適応する、新しい非対称検出指標を提案する。今回我々は, DSCとHDの相互一致と相関について報告し, 2) ボクセルレベルDSCと病変レベルでのリコール制御精度について報告する。
論文参考訳（メタデータ） (2022-03-30T15:57:20Z)
Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文参考訳（メタデータ） (2021-06-04T09:51:27Z)

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。