論文の概要: A Neighborhood Attention Transformer Network for Enhanced 3D Segmentation of the Left Anterior Descending Artery
- arxiv url: http://arxiv.org/abs/2608.12274v1
- Date: Wed, 12 Aug 2026 17:13:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.658849
- Title: A Neighborhood Attention Transformer Network for Enhanced 3D Segmentation of the Left Anterior Descending Artery
- Title（参考訳）: 左前下行動脈の3次元分節拡張のための隣行注意変換器ネットワーク
- Abstract要約: 左前下行動脈(LAD)の3次元自由呼吸,非造影CTの正確な分画は胸部放射線療法における心筋線量減少に必須である。
本研究では,3次元トランスフォーマベースセグメンテーションモデルであるNA-UNETRを提案する。
Dice-Focal と Hausdorff の複合損失は、相補的不確実性によって動的にバランスが取れ、重なり合いと境界の精度が向上する。
- 参考スコア（独自算出の注目度）: 5.486895610501164
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Accurate segmentation of the Left Anterior Descending (LAD) artery in 3D free-breathing, non-contrast CT is critical for cardiac dose sparing in thoracic radiotherapy. The LAD is extremely small, has poor soft-tissue contrast, and varies substantially across patients; even manual contours show limited inter-observer agreement, underscoring the ambiguity of the vessel boundaries. Purpose: To develop a transformer-based framework that improves LAD delineation in low-contrast, imbalanced CT through local-global context modeling and uncertainty-guided optimization. Methods: We propose NA-UNETR, a 3D transformer-based segmentation model whose Neighborhood Attention (NA) and Dilated NA (DiNA) blocks jointly capture fine structural detail and long-range context. Given the scarcity of annotated LAD data, the model is pretrained on 1,000 CTA volumes of general coronary anatomy and fine-tuned with LoRA-based parameter-efficient adaptation on 20 free-breathing institutional CT scans. A composite Dice-Focal and Hausdorff loss, dynamically balanced via homoscedastic uncertainty, improves overlap and boundary accuracy. Results: NA-UNETR reached 45.64% Dice, 38.16 mm HD95, and 10.01 mm ASD, improving Dice by 3.10 percentage points over nnU-Net and reducing HD95 by 2.96 mm relative to Swin UNETR, with the strongest boundary accuracy among all models and improved centerline stability. On ImageCAS it achieved 79.49% Dice, 8.89 mm HD95, and 1.02 mm ASD. Ablations confirmed that residual blocks, variable kernels, and uncertainty-weighted loss each contributed. Conclusions: NA-UNETR balances local precision and global context for thin, low-contrast LAD structures, offering a computationally efficient framework for substructure-level cardiac segmentation in radiotherapy planning.
- Abstract（参考訳）: 背景: 胸部放射線療法における非造影CTは左前下行動脈の3次元自由呼吸において正確な分画が重要である。
LADは極端に小さく、ソフト・コントラストが低く、患者によって大きく異なる。手動の輪郭でさえ、船の境界の曖昧さを暗示し、サーバ間の合意が限られている。
目的:低コントラスト,不均衡CTにおけるLADデライン化を改善するトランスフォーマーベースのフレームワークを,局所的文脈モデリングと不確実性誘導最適化により開発すること。
方法: NA-UNETRは3次元トランスフォーマーベースセグメンテーションモデルであり, 隣接注意(NA)と拡張NA(DiNA)ブロックが結合して微細構造の詳細と長距離コンテキストをキャプチャする。
注記LDDデータの不足を考慮し, 一般冠動脈解剖学1,000 CTA 巻に事前トレーニングを行い, LRA を用いたパラメータ効率適応法を20施設CTスキャンに応用した。
Dice-Focal と Hausdorff の複合損失は、相補的不確実性によって動的にバランスが取れ、重なり合いと境界の精度が向上する。
結果: NA-UNETRは45.64%のDice、38.16mm HD95、10.01mm ASDに達し、Nu-Net上でDiceを3.10ポイント改善し、Swin UNETRと比較してHD95を2.96mm削減した。
ImageCASでは79.49%のDice、8.89mm HD95、1.02mm ASDを達成した。
アブレーションにより、残留ブロック、可変カーネル、および不確かさ重み付き損失がそれぞれ寄与することが確認された。
結論:NA-UNETRは、薄い低コントラストLAD構造の局所的精度と大域的コンテキストのバランスを保ち、放射線治療計画におけるサブストラクチャレベルの心筋セグメンテーションのための計算効率の良いフレームワークを提供する。
関連論文リスト
- Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。
これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。
平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
論文 参考訳（メタデータ） (2026-09-11T11:13:06Z) - 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) - Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。
本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
論文 参考訳（メタデータ） (2026-07-23T09:59:30Z) - Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。
現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。
低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。
7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
論文 参考訳（メタデータ） (2026-06-14T05:12:57Z) - Efficient Transformer-Based Localized Patch Sampling for Choroid Plexus Segmentation in Multiple Sclerosis [26.831715552066694]
両側心室脈絡膜叢 (LVCP) は, 身体障害と神経炎症に関連する多発性硬化症 (MS) の指標として認識されている。
本研究の目的は,スタンドアロンおよびマルチモーダルMRI入力からMS内のLVCPを自動的に分割するSwinUNETR駆動パイプラインを開発することである。
論文 参考訳（メタデータ） (2026-06-02T12:32:43Z) - TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。
最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。
アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
論文 参考訳（メタデータ） (2026-05-15T19:23:35Z) - Overcoming data scarcity through multi-center federated learning for organs-at-risk segmentation in pediatric upper abdominal radiotherapy [0.0]
堅牢な小児専門モデルの開発は、センター間でのデータ不足と断片化によって妨げられている。
フェデレートラーニング(FL)は、データ共有を必要とせずに、プライバシ保護による協調トレーニングを可能にする。
小児特異的OARセグメンテーションモデルを欧州の2つの医療センターで開発するためのFLの有効性と性能について検討した。
論文 参考訳（メタデータ） (2026-05-07T18:21:43Z) - DMD-augmented Unpaired Neural Schrödinger Bridge for Ultra-Low Field MRI Enhancement [45.02203416553436]
ペア64mT - 3 Tスキャンは少ないため、未ペア64mT$rightarrow$3T翻訳フレームワークを提案する。
提案手法は,多段改良によるUnpaired Neural Schrdinge Bridge (UNSB) 上に構築する。
論文 参考訳（メタデータ） (2026-03-04T06:26:52Z) - TempDiffReg: Temporal Diffusion Model for Non-Rigid 2D-3D Vascular Registration [14.97788368971466]
提案手法は, 最新技術(SOTA)法を精度, 解剖学的妥当性ともに常に上回っている。
経験の浅い臨床医が複雑なTACE手術を安全に行うのを助ける可能性がある。
論文 参考訳（メタデータ） (2026-01-26T05:40:45Z) - Anatomy Aware Cascade Network: Bridging Epistemic Uncertainty and Geometric Manifold for 3D Tooth Segmentation [13.650721192161079]
境界のあいまいさを解消し,グローバルな構造的整合性を維持するために,AACNet(Anatomy Aware Cascade Network)を提案する。
AACNetは90.17 %のDice類似度係数と95%のHausdorff Distanceの3.63 mmを実現し,最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2026-01-12T12:53:27Z) - EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT)
CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
論文 参考訳（メタデータ） (2025-09-26T05:51:59Z) - 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)
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。