論文の概要: MAC-XA: Multi-view Anatomy-Correspondence Fusion for Coronary Stenosis Reporting from X-ray Angiography

• arxiv url: http://arxiv.org/abs/2607.06268v1
• Date: Tue, 07 Jul 2026 13:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.536053
• Title: MAC-XA: Multi-view Anatomy-Correspondence Fusion for Coronary Stenosis Reporting from X-ray Angiography
• Title（参考訳）: MAC-XA : X線アンギオグラフィーによる冠動脈狭窄に対する多視点解剖対応固定術
• Abstract要約: 冠動脈X線写真における多視点推論は本質的に横射影幾何学的問題である。 我々は、幾何学に基づくパッチレベルの対応管理を公開するために、制御可能な合成血管造影生成戦略を導入する。 合成データおよびゼロショットの実際の血管造影への移動実験により、このアライメントに制約のある設計は、一致の整合性と構造化狭窄の報告を改善することが示されている。
• 参考スコア（独自算出の注目度）: 46.98348758460767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view reasoning in coronary X-ray angiography is inherently a cross-projection geometric problem, yet automated report generation in this setting remains largely unexplored. The 3D vascular topology leads to projection-dependent branch overlap and foreshortening, rendering single-view modeling fundamentally incomplete and unstable for lesion localization and stenosis grading. Although multi-view fusion appears promising, learning anatomically consistent fusion from real angiograms is impeded by a critical limitation: cross-view alignment is unobservable and cannot be explicitly supervised. Consequently, conventional fusion relies on implicit correlations rather than verified anatomical correspondence. We address this by reformulating multi-view stenosis reporting as an alignment-constrained aggregation problem. A controllable synthetic angiography generation strategy is introduced to expose geometry-derived patch-level correspondence supervision unavailable in real data. An anatomy-correspondence module learns cross-view correspondence matrices that explicitly align auxiliary features within the main-view coordinate space prior to fusion, thereby constraining evidence aggregation to anatomically consistent regions. Experiments on synthetic data and zero-shot transfer to real angiograms show that this alignment-constrained design improves correspondence consistency and structured stenosis reporting compared to single-view modeling and conventional multi-view fusion methods. The code will be publicly available upon publication.
• Abstract（参考訳）: 冠動脈X線写真におけるマルチビュー推論は本質的には横射影幾何学的問題であるが,この設定による自動レポート生成は未解明のままである。 3次元血管トポロジーは、投射依存性分岐の重なりと予知をもたらし、病変の局在と狭窄の階調に基礎的に不完全で不安定な単一ビューモデリングを施す。 マルチビュー融合は有望なように見えるが、実際の血管造影から解剖学的に一貫した融合を学ぶことは、限界によって妨げられる。 その結果、従来の融合は、検証された解剖学的対応よりも暗黙の相関に頼っている。 我々は,多視点狭窄報告をアライメント制約の集合問題として再検討することで,この問題に対処する。 実際のデータでは利用できないジオメトリ由来のパッチレベルの対応管理を公開するために、制御可能な合成血管造影生成戦略を導入する。 解剖対応モジュールは、融合前の主視座標空間内の補助的特徴を明示的に整列するクロスビュー対応行列を学習し、その結果、エビデンスアグリゲーションを解剖学的に一貫した領域に制約する。 合成データおよびゼロショットの実際の血管造影への移動実験により、このアライメントに制約された設計は、単一ビューモデリングや従来のマルチビュー融合法と比較して、対応整合性および構造化狭窄報告を改善することが示されている。 コードは公開時に公開される。

関連論文リスト

• Anatomy-Grounded Synthetic Coronary Angiography for Geometry-Informed Multi-View Matching [6.620961894485603]
  本稿では3D冠動脈CT血管造影(CCTA)ボリュームから高忠実度デジタル再構成ラジオグラフィ(DRR)を合成する物理地上データ生成フレームワークを提案する。 我々のフレームワークは,患者解剖学における現実的なC-アームの獲得形状を人的コストゼロでシミュレートすることにより,高密度で高精度な3D-to-2Dプロジェクションラベルを生成する。 評価が主観的人間のアノテーションに依存する実際の血管造影とは違って、我々のデータセットは2D対応ラベルとペア画像を提供し、人間の自由な評価を可能にしている。
  論文  参考訳（メタデータ） (2026-06-26T14:58:23Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Curvilinear Structure-preserving Unpaired Cross-domain Medical Image Translation [29.978321741632197]
  画像から画像への翻訳の欠如は, 医用画像の撮影において重要な技術である。 既存のアプローチは、しばしば微小血管のような微細な曲線構造を歪ませる。 本稿では,不対翻訳中の微細な曲線構造を明示的に保存するフレームワークであるCurvilinear Structure-Reserving Translation (CST)を提案する。
  論文  参考訳（メタデータ） (2025-10-22T15:24:32Z)
• Bidirectional Mammogram View Translation with Column-Aware and Implicit 3D Conditional Diffusion [17.309030641962]
  ビュー・ツー・ビューの翻訳は、行方不明のビューを回復し、病変のアライメントを改善するのに役立つ。 自然画像とは異なり、マンモグラフィーにおけるこの課題は、X線投影において大きな非剛性変形と重い組織が重なり合うため、非常に困難である。 本稿では,新しい双方向マンモグラムビュー変換フレームワークであるカラム・アウェア・インプリシット3次元拡散(CA3D-Diff)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T15:48:27Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• Anatomy-DT: A Cross-Diffusion Digital Twin for Anatomical Evolution [13.83306392535935]
  腫瘍の進行を周囲の解剖と共にモデル化し、疾患のダイナミックスに関する包括的かつ臨床的に関係のある理解を得ることが重要である。 偏微分方程式を微分可能な深層学習で結合する数学的基盤の枠組みを導入する。 この研究は、視覚的に現実的で排他的で、位相的に一貫したデジタル双生児のための解剖学から解剖学への原則的な道を確立する。
  論文  参考訳（メタデータ） (2025-09-29T04:28:35Z)
• GRASPing Anatomy to Improve Pathology Segmentation [67.98147643529309]
  本稿では,病的セグメンテーションモデルを強化するモジュール型プラグイン・アンド・プレイフレームワークGRASPを紹介する。 2つのPET/CTデータセット上でGRASPを評価し、系統的アブレーション研究を行い、フレームワークの内部動作について検討する。
  論文  参考訳（メタデータ） (2025-08-05T12:26:36Z)
• Self-Supervised Multiview Xray Matching [4.033064933995391]
  現在の方法は、しばしば異なるX線ビュー間の堅牢な対応を確立するのに苦労する。 手動のアノテーションを必要としない新しい自己教師型パイプラインを提案する。 提案手法では,2つ以上のX線ビューの対応を正確に予測するために,トランスフォーマーベースのトレーニングフェーズを組み込む。
  論文  参考訳（メタデータ） (2025-06-30T21:56:14Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)

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。