論文の概要: Same Branches, Different Trees: A Bifurcation Connectedness Metric for Coronary Artery Segmentation and FFR-CT Decision Agreement

• arxiv url: http://arxiv.org/abs/2607.28327v1
• Date: Thu, 30 Jul 2026 14:57:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.616568
• Title: Same Branches, Different Trees: A Bifurcation Connectedness Metric for Coronary Artery Segmentation and FFR-CT Decision Agreement
• Title（参考訳）: 同じ枝, 異なる枝: 冠状動脈分枝とFFR-CT決定合意のための分岐結合性指標
• Abstract要約: CTアンギオグラフィー(FFR-CT)による分画血流予備区は、患者固有の血管モデルを通しての流れをシミュレートする。 clDiceやSkeleton Recallのようなトポロジに配慮した損失は、グローバルな中心線に作用し、局所的な休憩を見逃す可能性がある。 本研究では,各地道分岐点における連結度をスコアするBfurcation Connectedness Score (BCS) と,その識別可能なトレーニングサロゲートであるSoft-BCSについて検討した。
• 参考スコア（独自算出の注目度）: 0.5131152350448099
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fractional flow reserve derived from CT angiography (FFR-CT) simulates flow through a patient-specific vessel model, so its accuracy depends on the connectedness of the segmented tree, not only on volumetric overlap: a segmentation can reach high Dice yet sever a bifurcation, dropping the downstream subtree and reversing the treatment decision. Topology-aware losses such as clDice and Skeleton Recall act on the global centreline and can miss localised breaks. We study the Bifurcation Connectedness Score (BCS), which scores connectedness at each ground-truth bifurcation, and soft-BCS, its differentiable training surrogate. BCS captures a property of segmentation quality the standard metrics miss: it responds strongly to breaks in connectedness while staying largely unchanged under connectedness-preserving narrowing. Higher BCS accompanies closer agreement between the FFR-CT decisions a solver makes on predicted versus ground-truth geometry, most clearly in severe disease (OR 2.16, CI [1.23, 4.18]). Both decisions come from the same solver, so this reflects geometric, not clinical, fidelity. In training, soft-BCS and Skeleton Recall recover the same branches but build different trees. Recovering branches and keeping them connected are separable properties, so we recommend reporting a measure of each.
• Abstract（参考訳）: CTアンギオグラフィー(FFR-CT)による分画流量予備区は、患者固有の血管モデルを通しての流れをシミュレートするので、その精度は、ボリュームオーバーラップだけでなく、分画の連結性にも依存する。 clDiceやSkeleton Recallのようなトポロジに配慮した損失は、グローバルな中心線に作用し、局所的な休憩を見逃す可能性がある。 本研究では,各地道分岐点における連結度をスコアするBfurcation Connectedness Score (BCS) と,その識別可能なトレーニングサロゲートであるSoft-BCSについて検討した。 BCSは、標準メトリクスが見逃すセグメンテーション品質の特性を捉えている。 BCS は FFR-CT による決定と、重篤な疾患 (OR 2.16, CI [1.23, 4.18]) で予測される地平線幾何との密接な一致を伴っている。 どちらの決定も同じ解法から導かれるので、これは幾何学的、臨床的、忠実さを反映している。 トレーニングでは、Soft-BCSとSkeleton Recallは同じブランチを回復するが、異なるツリーを構築する。 ブランチを復元し、それらを接続し続けることは分離可能なプロパティです。

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)
• MIST: Reliable Streaming Decision Trees for Online Class-Incremental Learning via McDiarmid Bound [6.276425555068115]
  ストリーム決定木は、オープンワールド連続学習の自然な候補である。 2つの混在した誤校正のために、オンラインのクラスインクリメンタルラーニングでは依然として失敗している。 本稿では,MIST(McDiarmid Incremental Streaming Tree)について述べる。
  論文  参考訳（メタデータ） (2026-05-12T06:45:00Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
  冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。 完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。 このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
  論文  参考訳（メタデータ） (2025-04-02T11:04:44Z)
• Centerline Boundary Dice Loss for Vascular Segmentation [6.988368827452061]
  画像診断における血管セグメンテーションは形態学的および機能的評価を分析する上で重要な役割を担っている。 中央のDice(clDice)損失のような伝統的な手法は、トポロジーの保存を確実にするが、幾何学的詳細を捉えることには失敗する。 位相整合性と幾何ニュアンスを調和させる中心線境界Dice(cbDice)損失関数を導入する。
  論文  参考訳（メタデータ） (2024-07-01T17:58:44Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• BREAK: Bronchi Reconstruction by gEodesic transformation And sKeleton embedding [18.798523002748432]
  気道セグメンテーションは、仮想気管支鏡およびコンピュータ支援肺疾患解析に重要である。 近年,コンボリューションニューラルネットワーク (CNN) は気管支木をデライン化するために広く用いられている。 本稿では, 破壊感応正規化項を設計し, 他の損失関数と簡単に組み合わせることができる。
  論文  参考訳（メタデータ） (2022-01-29T09:05:46Z)
• Adaptive feature recombination and recalibration for semantic segmentation with Fully Convolutional Networks [57.64866581615309]
  完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。 その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
  論文  参考訳（メタデータ） (2020-06-19T15:45:03Z)
• clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
  中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。 理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。 我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
  論文  参考訳（メタデータ） (2020-03-16T16:27:49Z)

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。