論文の概要: MorVess: Morphology-Aware Pulmonary Vessel Segmentation Network

• arxiv url: http://arxiv.org/abs/2606.24214v1
• Date: Tue, 23 Jun 2026 06:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.816631
• Title: MorVess: Morphology-Aware Pulmonary Vessel Segmentation Network
• Title（参考訳）: MorVess: 肺血管セグメンテーションネットワーク
• Authors: Fuyou Mao, Yifei Chen, Beining Wu, Lixin Lin, Jinnan Dai, Zhiling Li, Yilei Chen, Yaqi Wang, Hao Zhang, Yan Tang, Huiyu Zhou, Feiwei Qin,
• Abstract要約: MorVess(モルフォロジーを意識したセグメンテーション・フレームワーク)を導入し,より微細な血管解析を実現するために,微分可能な幾何学的先行要素と大規模基礎モデル適応を統合した。 軽量2.5Dアダプタは3次元空間コンテキストと2次元SAM表現をブリッジし、グローバルな局所融合ブロックは多レベル意味論と幾何学的手がかりを集約して高忠実なトポロジー再構成を行う。 MorVessの肺CTベンチマークでは、Dice、clDice、HD95のスコアが優れている。
• 参考スコア（独自算出の注目度）: 19.918899366472214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate pulmonary vessel segmentation remains challenging due to the sparse, tortuous, and multi-scale nature of vascular structures, where small branches are easily lost and topology integrity is difficult to preserve under voxel-wise supervision. Existing deep segmentation models primarily optimize binary masks, lacking explicit geometric constraints, thus struggling to recover continuous tubular morphology and fine vascular connectivity. In this study, we introduce MorVess, a morphology-aware segmentation framework that integrates differentiable geometric priors with large-scale foundation model adaptation to achieve fine-grained vascular parsing. MorVess jointly predicts vessel masks, distance maps, and thickness maps, providing explicit supervision for vascular boundaries, centerline consistency, and smooth diameter transitions. A lightweight 2.5D adapter bridges 3D spatial context and 2D SAM representations, while a global-local fusion block aggregates multi-level semantics and geometric cues for high-fidelity topology reconstruction. Across two challenging pulmonary CT benchmarks, MorVess delivers superior Dice, clDice, and HD95 scores, substantially improving small-vessel recovery and global connectivity. These results demonstrate that embedding geometric intelligence into pretrained vision models offers a principled and scalable pathway toward precise vessel analysis and clinically reliable structural quantification. Our source code is available at https://github.com/MaoFuyou/MorVess.
• Abstract（参考訳）: 小枝が容易に消失し, トポロジーの整合性の維持が困難である血管構造の細い, 丈夫, マルチスケールな性質のため, 正確な肺血管の分節化は依然として困難である。 既存のディープセグメンテーションモデルは、主に二項マスクを最適化し、明示的な幾何学的制約を欠いているため、連続した管状形態と細かな血管接続の回復に苦慮している。 そこで本研究では,形態認識型セグメンテーションフレームワークであるMorVessを紹介した。 MorVessは、血管マスク、距離マップ、厚みマップを共同で予測し、血管の境界、中心の整合性、滑らかな直径遷移を明示的に監視する。 軽量2.5Dアダプタは3次元空間コンテキストと2次元SAM表現をブリッジし、グローバルな局所融合ブロックは多レベル意味論と幾何学的手がかりを集約して高忠実なトポロジー再構成を行う。 MorVessの肺CTベンチマークでは、Dice、clDice、HD95のスコアが優れている。 これらの結果は、幾何学的インテリジェンスを事前訓練された視覚モデルに組み込むことで、正確な血管分析と臨床的に信頼性の高い構造的定量化への原則的かつスケーラブルな経路を提供することを示した。 ソースコードはhttps://github.com/MaoFuyou/MorVess.comで公開しています。

関連論文リスト

• VFGS-Net: Frequency-Guided State-Space Learning for Topology-Preserving Retinal Vessel Segmentation [14.615144175462051]
  本稿では、周波数認識機能強化、デュアルパス畳み込み表現学習、および統一アーキテクチャ内の非対称空間状態空間モデリングをシームレスに統合するエンドツーエンドセグメンテーションフレームワークを提案する。 本モデルでは, 細血管, 複雑な分岐パターン, 低コントラスト領域のセグメンテーション精度を常に改善し, その堅牢性と臨床応用の可能性を強調した。
  論文  参考訳（メタデータ） (2026-02-11T16:07:29Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• MM-UNet: Morph Mamba U-shaped Convolutional Networks for Retinal Vessel Segmentation [21.90972169495466]
  MM-UNetは、効率的な網膜血管分割に適した新しいアーキテクチャである。 Morph Mamba Convolution 層が組み込まれており、分岐したトポロジカルな知覚を高めるためにポイントワイズ・コンボリューションを置き換える。 DRIVEで1.64%、STAREで1.25%のF1スコアゲインを達成し、その効果と進歩を示す。
  論文  参考訳（メタデータ） (2025-11-04T02:18:25Z)
• A Novel Hybrid Approach for Retinal Vessel Segmentation with Dynamic Long-Range Dependency and Multi-Scale Retinal Edge Fusion Enhancement [0.3611754783778107]
  既存の方法は、マルチスケールの船の変動性、複雑な曲率、曖昧な境界といった課題に対処する。 本稿では,CNNとMambaを相乗的に統合した新しいハイブリッドフレームワークを提案する。 本手法は血管の連続性維持と低コントラスト領域の血管の分断を効果的に行う上で,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-04-18T08:41:35Z)
• 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)
• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation [3.6368619769561668]
  本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。 また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。 本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-06-02T01:52:35Z)
• 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)
• 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。