論文の概要: Scaling up fine-grained intracranial vessel annotations in computed tomography angiography

• arxiv url: http://arxiv.org/abs/2606.21756v1
• Date: Fri, 19 Jun 2026 21:18:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 03:33:00.148694
• Title: Scaling up fine-grained intracranial vessel annotations in computed tomography angiography
• Title（参考訳）: CT血管造影における微粒頭蓋内血管アノテーションのスケールアップ
• Authors: Chu-Hsuan Lin, Alberto Mario Ceballos-Arroyo, Jisoo Kim, Shrikanth M. Yadav, Huaizu Jiang, Lei Qin, Geoffrey S. Young,
• Abstract要約: CT血管造影検査における細粒度脳血管のセグメンテーションのためのデータセットについて述べる。 ダイナミックな4D-CTAスキャンで得られた詳細なコントラストに基づいて,動脈および静脈のセグメンテーショントレースを生成する。 我々は,ヒト脳内の血管領域の大部分の区分けを得るために,強度誘導領域を成長させる。
• 参考スコア（独自算出の注目度）: 9.67851559401684
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present SemanticVessel, a dataset for fine-grained brain vessel segmentation in computed tomography angiography scans. Based on the detailed contrast provided by dynamic 4D-CTA scans, we generate segmentation traces for arteries and veins. We then use intensity-guided region growing to obtain segmentations of the majority of vascular territories in the human brain, which are refined and annotated with 20 unique arterial classes by an expert radiologist. Unlike existing datasets, where minor arteries are discarded as background content, we merge these minor arteries into a generic arterial class. Due to the multiple-phase acquisition of dynamic 4D-CTA, labels for a single phase can be re-used for other phases in the same series, greatly increasing the size of our dataset with no additional annotation cost. The results show that models trained with the additional generic artery class produce better fine-grained segmentations across the board. We will make our code, annotation GUI, and model weights available to the scientific community. Code, weights, and data will be made available on https://github.com/alceballosa/robust-vessel-segmentation
• Abstract（参考訳）: 本研究は,脳血管の微細なセグメンテーションのデータセットであるSemanticVesselについて述べる。 ダイナミックな4D-CTAスキャンで得られた詳細なコントラストに基づいて,動脈と静脈のセグメンテーショントレースを生成する。 そこで我々は,ヒト脳の血管領域の大部分のセグメンテーションを得るために,強度誘導領域を成長させ,専門の放射線技師によって20種類の動脈クラスを精製し,注釈を付した。 バックグラウンドコンテンツとして小さな動脈を破棄する既存のデータセットとは異なり、これらの小さな動脈を一般的な動脈クラスにマージします。 動的4D-CTAのマルチフェーズ取得により、単一フェーズのラベルを同じシリーズの他のフェーズに再使用することが可能となり、追加のアノテーションコストなしでデータセットのサイズが大幅に増大する。 以上の結果から,追加のジェネリック動脈クラスでトレーニングしたモデルにより,ボード全体の細粒度セグメンテーションが向上することが示唆された。 私たちは、コード、アノテーションGUI、モデルの重み付けを科学コミュニティに提供します。 code, weights, data will be available on https://github.com/alceballosa/robust-vessel-segmentation

関連論文リスト

• A public cardiac CT dataset featuring the left atrial appendage [0.24673512588011856]
  左心房補助 (LAA) , 冠動脈 (CAs) , 肺静脈 (PVs) の1例を経験したので報告する。 ImageCAS上のLAAセグメンテーションは、高分解能LAAセグメンテーションのために開発された最先端のセグメンテーションフレームワークを用いて生成された。 我々は、ステップアーティファクト、スキャナの視野を超えて広がるLAA、その他の種類のデータ欠陥などの一般的なデータ欠陥を含む、ImageCASからのスキャンのリストを提供する。
  論文  参考訳（メタデータ） (2025-10-07T16:16:59Z)
• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• Simulation-Based Segmentation of Blood Vessels in Cerebral 3D OCTA Images [4.945556328362821]
  本稿では,セグメンテーションアルゴリズムの監督に合成データを活用することを提案する。 血管グラフから合成脳3D OCTA画像へのパッチの変換を行った。 大規模な実験では,本手法が競争結果の達成を実証する。
  論文  参考訳（メタデータ） (2024-03-11T19:14:51Z)
• VesselShot: Few-shot learning for cerebral blood vessel segmentation [3.0612001095032335]
  本稿では,脳血管セグメンテーションのためのVesselShotという数発の学習手法を提案する。 VesselShotは、いくつかのアノテーション付きサポートイメージからの知識を活用し、ラベル付きデータの不足を軽減する。 本研究では,VesselShotの性能を,セグメンテーションタスクのために公開されているTubeTKデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2023-08-28T14:48:49Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• 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)
• Deep Feature Fusion via Graph Convolutional Network for Intracranial Artery Labeling [9.85779770378859]
  頭蓋内動脈は、脳に酸素を供給している重要な血管である。 脳動脈の解剖学的ラベル付けにおいて、様々な機械学習アルゴリズムが自動化されている。 本研究では,脳動脈ラベリングのための深部核融合を用いた新しいグラフ畳み込みニューラルネットワークについて検討した。
  論文  参考訳（メタデータ） (2022-05-22T06:11:21Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
  中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。 既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。 本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
  論文  参考訳（メタデータ） (2021-07-19T17:59:31Z)
• 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)

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。