論文の概要: Clinical Risk-Aware Multi-Level Grading for Coronary Artery Stenosis through Curved Feature Reconstruction
- arxiv url: http://arxiv.org/abs/2606.30082v1
- Date: Mon, 29 Jun 2026 10:17:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.176373
- Title: Clinical Risk-Aware Multi-Level Grading for Coronary Artery Stenosis through Curved Feature Reconstruction
- Title（参考訳）: 冠状動脈狭窄症に対する硬化性病変再建術を併用した多層グラフトの臨床的検討
- Abstract要約: 冠動脈狭窄に対する多段階グレーディングモデルは非常に臨床的意義が高い。
しかし,効率的な多段階ディープラーニングアルゴリズムの設計には大きな課題が伴う。
本稿では3次元SCPR画像とCCTA画像の両方から特徴を正確に整列・融合するためのCFRモジュールを提案する。
臨床リスク認識(CR)損失は, ネットワークトレーニングに臨床リスク関連性を導入するために用いられ, アルゴリズムが臨床診断に適合するようにしている。
- 参考スコア（独自算出の注目度）: 5.976243335320572
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Developing a multi-level grading model for coronary artery stenosis holds great clinical significance for the diagnosis of coronary artery disease. However, designing an effective multi-level deep learning algorithm faces significant challenges. Specifically, utilizing CCTA or 3D SCPR images alone presents inherent shortcomings: CCTA images are difficult to analyze due to the tortuous paths of blood vessels, while 3D SCPR images are prone to abnormal distortions that hinder accurate grading. Furthermore, different stenosis grades are associated with varying clinical risks, and incorporating this association into the algorithm is non-trivial. To address the former problems, we propose the Curved Feature Reconstruction (CFR) module, which uses vessel curves as prior and employs a point-by-point correspondence strategy to precisely align and fuse features from both 3D SCPR and CCTA images. Meanwhile, a Clinical Risk-Aware (CR) Loss is employed to introduce clinical risk relevance into the network training so that the algorithm can better align with the clinical diagnosis. The experimental results on a in-house dataset reveal that our approach significantly outperforms other methods, and several ablation studies also demonstrate the effectiveness of our proposed designs.
- Abstract（参考訳）: 冠動脈狭窄症に対する多段階グレーディングモデルの開発は,冠動脈疾患の診断に極めて重要である。
しかし,効率的な多段階ディープラーニングアルゴリズムの設計には大きな課題が伴う。
具体的には、CCTAまたは3D SCPR画像だけでは固有の欠点が示される: CCTA画像は血管の細い経路のために解析が困難であり、3D SCPR画像は、正確な階調を妨げる異常な歪みを引き起こす。
さらに、異なる狭窄度は様々な臨床リスクと関連付けられており、この関連をアルゴリズムに組み込むことは自明ではない。
従来の問題に対処するため,3次元SCPR画像とCCTA画像の両方の特徴を正確に整合・融合させるために,血管曲線を先行して使用する曲線特徴再構成 (CFR) モジュールを提案する。
一方、臨床リスク認識(CR)損失は、ネットワークトレーニングに臨床リスク関連性を導入するために使われ、そのアルゴリズムが臨床診断に適合するようにしている。
社内データセットによる実験結果から,本手法が他の手法よりも大幅に優れており,いくつかのアブレーション実験でも提案手法の有効性が示された。
関連論文リスト
- CORA: A Pathology Synthesis Driven Foundation Model for Coronary CT Angiography Analysis and MACE Risk Assessment [7.00689933116151]
CORAは、総合的な心血管リスク評価のための3次元視覚基盤モデルである。
12,801枚の冠動脈造影CTの大規模コホートでCORAを訓練した。
CORAは最先端の3Dビジョンファウンデーションモデルを上回っ、最大29%のパフォーマンス向上を達成した。
論文 参考訳（メタデータ） (2026-03-25T22:28:31Z) - Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram [9.788176765955534]
冠動脈疾患(CAD)は死亡率の低下と患者の治療計画の改善に重要である。
冠状動脈リファインメントネットワーク(CASR-Net, Coronary Artery and Refinement Network)は, 画像前処理, セグメンテーション, 精細化の3段階からなるパイプラインである。
論文 参考訳（メタデータ） (2025-10-31T09:40:29Z) - RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。
RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文 参考訳（メタデータ） (2025-09-24T10:36:14Z) - X2CT-CLIP: Enable Multi-Abnormality Detection in Computed Tomography from Chest Radiography via Tri-Modal Contrastive Learning [18.954939735299963]
我々はCTとCXRのモダリティギャップを埋める3モーダルな知識伝達学習フレームワークであるX2CT-CLIPを提案する。
CXRエンコーダに3次元CTボリュームと関連する放射線学レポートから知識を伝達することにより,CTにおける多重異常分類を可能にするための最初の試みである。
論文 参考訳（メタデータ） (2025-03-04T00:48:09Z) - SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。
心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。
自動冠状動脈疾患診断では異常な成績を示した。
論文 参考訳（メタデータ） (2023-11-17T02:01:19Z) - A 3D deep learning classifier and its explainability when assessing coronary artery disease [2.749052158388996]
冠動脈疾患の早期発見と診断は、命を救い、医療費を削減できる。
現在のほとんどのアプローチはディープラーニング手法を利用しているが、中心線抽出と多平面再構成が必要である。
提案手法は,最先端モデルの分類精度を21.43%向上させる。
論文 参考訳（メタデータ） (2023-07-29T14:54:50Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。