論文の概要: A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

• arxiv url: http://arxiv.org/abs/2607.09805v1
• Date: Thu, 09 Jul 2026 18:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.201259
• Title: A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers
• Title（参考訳）: 時空間変圧器を用いた高精度心電図フリーダイナミック冠状ロードマップ作成のための統一モデル
• Abstract要約: コントラスト注射は放射線曝露の増加とコントラスト誘発性腎症のリスクを増加させる。 Dynamic Coronary Road (DRM)は、事前に計算された血管マップをライブ蛍光顕微鏡にオーバーレイし、プロシージャを通して継続的に更新する。 DRMは、血管造影と蛍光検査の正確な心臓相マッチングと、動作補償のための信頼できるカテーテル先端追跡に依存している。 本稿では,心臓の位相マッチングとカテーテルの先端追跡を同時に実行し,正確なリアルタイムガイダンスを実現するための統合DRMフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.991042132764926
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Percutaneous Coronary Intervention (PCI) is a minimally invasive procedure used to restore coronary blood flow obstructed by atherosclerotic plaque. During PCI, repeated injections of iodine-based contrast agents are required to visualize the coronary arteries and guide interventional devices. However, frequent contrast injections increase radiation exposure and the risk of contrast-induced nephropathy, with acute kidney injury reported in up to 30% of patients with renal impairment. Dynamic Coronary Roadmapping (DRM) reduces these risks by overlaying a precomputed angiographic vessel map onto live fluoroscopy and continuously updating it throughout the procedure. Accurate DRM relies on precise cardiac phase matching between angiography and fluoroscopy, together with reliable catheter tip tracking for motion compensation. These tasks remain challenging in ECG-free settings and when only limited manual annotations are available. We present a unified DRM framework that simultaneously performs cardiac phase matching and catheter tip tracking for accurate real-time guidance. Our method employs a large-scale spatio-temporal encoder pretrained on 16 million X-ray frames to learn cardiac motion dynamics. To the best of our knowledge, this is the first application of large-scale spatio-temporal pretraining for motion compensation in DRM. We further introduce auxiliary tasks based on ECG R-peak detection and catheter tip tracking, improving optimization while eliminating the need for extensive catheter mask annotations. Finally, a majority-voting postprocessing strategy aggregates temporal predictions, improving robustness and providing a confidence score that correlates with phase-matching error. Comprehensive evaluation on clinical X-ray datasets demonstrates state-of-the-art performance, achieving low temporal misalignment and robust phase-matching accuracy suitable for real-time DRM.
• Abstract（参考訳）: 冠動脈インターベンション(Percutaneous Coronary Intervention, PCI)は,動脈硬化プラークにより閉塞された冠動脈血流を回復する術式である。 PCI中、冠状動脈を可視化し、介入装置を誘導するためにヨウ素系コントラスト剤の反復注射が必要である。 しかし、しばしばコントラスト注射は、放射線曝露とコントラスト誘発性腎症のリスクを増大させ、急性腎障害は、最大30%の腎障害患者に報告された。 Dynamic Coronary Roadmapping (DRM)は、事前に計算された血管マップをライブ蛍光顕微鏡にオーバーレイし、プロシージャを通して継続的に更新することにより、これらのリスクを軽減する。 正確なDRMは、血管造影と蛍光検査の正確な心臓相マッチングと、動作補償のための信頼できるカテーテル先端追跡に依存している。 これらのタスクは、ECGのない設定では難しいままであり、手動のアノテーションしか利用できない。 本稿では,心臓の位相マッチングとカテーテルの先端追跡を同時に実行し,正確なリアルタイムガイダンスを実現するための統合DRMフレームワークを提案する。 本手法では,1600万個のX線フレームに予めトレーニングした大規模時空間エンコーダを用いて,心臓運動力学を学習する。 我々の知る限りでは、DRMにおける動き補償のための大規模な時空間事前学習の初めての応用である。 さらに、ECG R-peak検出とカテーテル先端追跡に基づく補助タスクを導入し、広範囲なカテーテルマスクアノテーションの必要性をなくし、最適化を改善した。 最後に、多数決後処理戦略は、時間的予測を集約し、堅牢性を改善し、位相マッチングエラーと相関する信頼スコアを提供する。 クリニカルX線データセットの総合的評価は、リアルタイムDRMに適した時間的ミスアライメントとロバストな位相マッチング精度を実現し、最先端の性能を示す。

関連論文リスト

• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• Motion-Robust Deep Reconstruction for Free-Breathing Cardiac Cine MRI [4.896454236357851]
  自由呼吸のラジアル獲得は制限を緩和するが、高い加速で頑健な再構築は、顕著なストリークアーティファクトのために難しいままである。 Cine-DLは、ターゲットkスペース前処理と高速モデルベース深層再構成を結合した臨床指向のフレームワークである。 実験の結果,Cine-DLは定量的な測定値と視覚的忠実度を常に改善し,日常的かつ時間に敏感なシネMRIの臨床応用に向けての実践的な道のりを支えていることがわかった。
  論文  参考訳（メタデータ） (2026-05-20T04:31:03Z)
• Deep learning motion correction of quantitative stress perfusion cardiovascular magnetic resonance [0.9195911076768547]
  教師なし深層学習に基づく動き補正パイプラインを開発した。 3つのステップで動きを補正し、強靭な主成分分析を用いてコントラスト関連の効果を減少させる。 評価は時間的アライメントと定量灌流値を用いて行った。
  論文  参考訳（メタデータ） (2025-10-01T09:59:48Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Auxiliary Input in Training: Incorporating Catheter Features into Deep Learning Models for ECG-Free Dynamic Coronary Roadmapping [17.461510586128874]
  ダイナミック冠のロードマップ作成は、X線アンギオグラフィーのオフライン画像シーケンスから抽出した血管マップ(「ロードマップ」)をリアルタイムでX線フルオロスコープのライブストリームにオーバーレイする技術である。 コントラスト剤注入の繰り返しを必要とせず、介入手術のナビゲーションガイダンスを提供することを目標とし、放射線曝露や腎不全に伴うリスクを低減することを目的としている。
  論文  参考訳（メタデータ） (2024-08-28T17:05:38Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Deep Learning for Automatic Strain Quantification in Arrhythmogenic Right Ventricular Cardiomyopathy [0.0]
  CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。 Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。 以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-11-24T12:55:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Dynamic Coronary Roadmapping via Catheter Tip Tracking in X-ray Fluoroscopy with Deep Learning Based Bayesian Filtering [4.040013871160853]
  経皮的冠動脈インターベンション (PCI) は, 冠動脈造影にX線不透明造影剤を併用したX線アンギオグラムを用いて画像誘導を行うのが一般的である。 本報告では、視覚フィードバックを改善し、PCIにおけるコントラスト使用を減らすために、新しい動的冠ロードマップ作成手法の開発について述べる。 特に,カテーテル先端の高精度かつロバストな追跡のために,畳み込みニューラルネットワークの検出結果と,粒子フィルタリングフレームワークを用いたフレーム間の運動推定を統合した,深層学習に基づくベイズフィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2020-01-11T22:08:06Z)

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。