論文の概要: HTC-SGA Former: A Hybrid Transformer-CNN Network with Self-Guided Attention and a New Boundary-Weighted Adaptive Loss for Coronary DSA Vessel Segmentation
- arxiv url: http://arxiv.org/abs/2606.29744v2
- Date: Wed, 08 Jul 2026 09:21:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 16:11:06.579083
- Title: HTC-SGA Former: A Hybrid Transformer-CNN Network with Self-Guided Attention and a New Boundary-Weighted Adaptive Loss for Coronary DSA Vessel Segmentation
- Title（参考訳）: HTC-SGA前者: 自己ガイド型アテンションと新しい境界重み付き適応損失付きハイブリッドトランスフォーマーCNNネットワーク
- Abstract要約: 冠動脈DSA血管セグメンテーションのための軽量トランスフォーマーCNNフレームワークであるHTC-SGA formerを提案する。
ローカル血管抽出にはCNNエンコーダ、コンテキスト特徴モデリングにはTransformerデコーダを使用する。
右冠動脈と左冠動脈のDSAサブセットの実験では、HTC-SGA formerは14の最先端セグメンテーション法より優れていた。
- 参考スコア（独自算出の注目度）: 13.781262585582825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate coronary Digital Subtraction Angiography (DSA) vessel segmentation is essential for computer-aided diagnosis and treatment planning of coronary artery disease (CAD). However, thin low-contrast vessels, background interference, and severe vessel-background class imbalance make reliable segmentation of weak distal branches and vessel boundaries challenging. Existing methods struggle to balance global contextual reasoning with preservation of weak vessels, vessel continuity, and fine boundaries. To address these limitations, we propose HTC-SGA Former, a lightweight hybrid Transformer-CNN framework for coronary DSA vessel segmentation. It employs a CNN encoder for local vessel morphology extraction and a Transformer decoder for contextual feature modeling. A Multi-Scale Global-Local Window Attention (MS-GLWA) block performs efficient global-local contextual modeling, while a Self-Guided Feature Attention (SGFA) module enhances weak-vessel responses. In addition, a Boundary-Weighted Adaptive Compound Loss (BWACL) emphasizes thin-vessel boundaries and adaptively balances vessel recovery and boundary refinement. Experiments on private right and left coronary artery DSA subsets show that HTC-SGA Former outperforms 14 state-of-the-art segmentation methods while maintaining a compact architecture with only 0.81M parameters. BWACL also improves performance over binary cross-entropy and Dice losses across four encoder-decoder architectures, demonstrating strong cross-backbone applicability. HTC-SGA Former improves thin-vessel recovery, vessel continuity, and boundary localization through complementary global-local contextual modeling, vessel-focused refinement, and adaptive optimization, supporting reliable and computationally efficient coronary vessel analysis for future computer-assisted cardiovascular interventions.
- Abstract（参考訳）: 急性冠状動脈疾患(CAD)の診断と治療計画には,DSA血管分画が不可欠である。
しかし、細い低コントラスト船、背景干渉、重度の船底階級の不均衡は、弱い遠位枝と船の境界の確実なセグメンテーションを困難にしている。
既存の手法は、弱い容器、船の連続性、細かな境界の保存とグローバルな文脈推論のバランスをとるのに苦労している。
これらの制約に対処するために,冠動脈DSA血管分割のための軽量ハイブリッドトランスフォーマー-CNNフレームワークであるHTC-SGA formerを提案する。
局所血管形態抽出にはCNNエンコーダ、文脈特徴モデリングにはTransformerデコーダを使用する。
Multi-Scale Global-Local Window Attention (MS-GLWA)ブロックは効率的なグローバルローカルコンテキストモデリングを行い、Self-Guided Feature Attention (SGFA)モジュールは弱い容器応答を向上させる。
さらに、BWACL(Bundary-Weighted Adaptive Compound Loss)は、細い容器の境界を強調し、容器の回復と境界の洗練を適応的にバランスさせる。
プライベートな右冠動脈と左冠動脈のDSAサブセットの実験では、HTC-SGAは0.81Mパラメータしか持たないコンパクトなアーキテクチャを維持しながら、14の最先端セグメンテーション法より優れていた。
BWACLはまた、4つのエンコーダ/デコーダアーキテクチャにおけるバイナリのクロスエントロピーとDiceの損失よりもパフォーマンスを改善し、強力なクロスバックボーン適用性を示している。
HTC-SGA formerは、補完的なグローバルローカルなコンテキストモデリング、血管中心の洗練、適応最適化を通じて、細血管回復、血管連続性、境界局所化を改善し、将来のコンピュータ支援心臓血管介入のための信頼性と計算効率の良い冠動脈分析をサポートする。
関連論文リスト
- Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。
既存の方法はPBSに対して限られた有効性を示した。
PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
論文 参考訳（メタデータ） (2026-08-01T08:13:20Z) - Stream-R1: Reliability-Perplexity Aware Reward Distillation for Streaming Video Generation [52.10062792673558]
自動ストリーミングビデオ拡散モデルを実用化するために、蒸留ベースの加速が基礎となっている。
既存の方法は、すべてのロールアウト、フレーム、ピクセルを同様に信頼できる監視として扱う。
本稿では,信頼性に配慮したリワード蒸留フレームワークStream-R1を提案する。
論文 参考訳（メタデータ） (2026-05-05T15:15:30Z) - 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) - Residual-SwinCA-Net: A Channel-Aware Integrated Residual CNN-Swin Transformer for Malignant Lesion Segmentation in BUSI [1.759752510445115]
本研究では,新しいハイブリッド型Residual-SwinCA-Netセグメンテーションフレームワークを提案する。
グローバルな依存関係を学習するために、内部残留経路を使用してSwin Transformerブロックをカスタマイズする。
Residual-SwinCA-Netと既存のCNN/ViTs技術はBUSIデータセット上に実装されている。
論文 参考訳（メタデータ） (2025-12-09T04:52:30Z) - VAOT: Vessel-Aware Optimal Transport for Retinal Fundus Enhancement [13.241000354696903]
欠損した拡張パイプラインは臨床的に重要な血管を歪め、血管のトポロジーとエンドポイントの整合性を変化させる。
最適輸送目標と2つの構造保存正規化器を組み合わせたフレームワークである Vessel-Aware Optimal Transport (textbfVAOT) を提案する。
これらの制約は、船体構造を保ちながら騒音を低減し、未整備の環境での学習を導く。
論文 参考訳（メタデータ） (2025-11-24T04:56:08Z) - MedVSR: Medical Video Super-Resolution with Cross State-Space Propagation [63.38824041721275]
低解像度(LR)医療ビデオは、ビデオ超解像度(VSR)モデルに固有の課題を提示する。
本稿では,医療用VSRのためのフレームワークであるMedVSRを提案する。
MedVSRは既存のVSRモデルよりも性能と効率が優れていることを示す。
論文 参考訳（メタデータ） (2025-09-25T14:56:59Z) - PASC-Net:Plug-and-play Shape Self-learning Convolutions Network with Hierarchical Topology Constraints for Vessel Segmentation [9.102738065373615]
PASCNetと呼ばれる新しい容器分割フレームワークを提案する。
コンボリューションカーネル設計を最適化するプラグイン・アンド・プレイ型のセルフラーニング・コンボリューション(SSL)モジュールと、トポロジ的制約を通じて血管接続を保証する階層型トポロジカル・制約(HTC)モジュールである。
nnUNetフレームワークに統合された場合,本手法は複数の指標において他の手法よりも優れ,最先端の血管セグメンテーション性能が得られた。
論文 参考訳（メタデータ） (2025-07-05T11:28:35Z) - Boundary-Aware Vision Transformer for Angiography Vascular Network Segmentation [2.421170887647153]
バウンダリ・アウェア・ビジョン・トランスフォーマー(Baundary-Aware Vision Transformer、BAVT)は、エッジ・アウェア・ロス(エッジ・アウェア・ロス)で拡張されたViTベースのアーキテクチャである。
DCA-1冠動脈造影データセットを用いて,BAVTが医用画像のセグメンテーションの指標で優れた成績を収める手法を検証した。
論文 参考訳（メタデータ） (2025-06-15T22:35:08Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - RWKV-UNet: Improving UNet with Long-Range Cooperation for Effective Medical Image Segmentation [70.79072961974141]
本稿では,RWKV構造をU-Netアーキテクチャに統合する新しいモデルであるRWKV-UNetを提案する。
この統合により、長い範囲の依存関係をキャプチャし、コンテキスト理解を改善するモデルの能力が向上する。
11のベンチマークデータセットの実験により、RWKV-UNetは様々なタイプの医用画像セグメンテーションタスクで最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2025-01-14T22:03:00Z) - 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) - BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung
Infection Segmentation from CT Images [83.82141604007899]
BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。
BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。
BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
論文 参考訳（メタデータ） (2022-07-17T08:54:07Z)
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。