論文の概要: X-LMC: Cross-View Spatiotemporal Collateral Circulation Scoring from DSA
- arxiv url: http://arxiv.org/abs/2608.18986v1
- Date: Wed, 19 Aug 2026 14:51:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.432311
- Title: X-LMC: Cross-View Spatiotemporal Collateral Circulation Scoring from DSA
- Title（参考訳）: X-LMC : DSAによる経時的側副血行動態の経時的変化
- Abstract要約: 我々は,時間分解型DSA複葉機からの自動コラテラルスコアリングを行うフレームワークであるX-LMCを紹介する。
5倍のクロスバリデーション設定では、X-LMCは静的アーキテクチャや関連する血管造影タスクから適応した時間的ベースラインよりも高い点推定値が得られる。
X-LMC は、観測された臨床間合意とも一致している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital subtraction angiography (DSA) is the reference standard for leptomeningeal collateral (LMC) assessment, providing critical prognostic insights to guide secondary treatment strategies, neurorehabilitation planning, and retrospective stroke research. However, clinical LMC grading via the ASITN/SIR scale relies on manual, highly variable visual inspection. We introduce X-LMC, a spatiotemporal framework for automated collateral scoring from time-resolved biplane DSA. The proposed architecture encodes spatial frame representations through a DINOv2 backbone, fuses orthogonal projections via a token-level cross-view attention module, and models representations of contrast bolus dynamics using a recurrent network architecture. We evaluate our framework on a multicenter dataset of 134 patients with M1-segment occlusions. In a 5-fold cross-validation setting, X-LMC yields higher point estimates than static architectures and spatiotemporal baselines adapted from related angiographic tasks, achieving a Quadratic Weighted Kappa (QWK) of 0.398 (vs. 0.322) and a dichotomized macro-F1 score of 0.711 (vs. 0.663) against the best-performing baseline. X-LMC performance also aligns with the observed clinical inter-rater agreement (QWK: 0.314). As the first DSA study attempting to automate LMC scoring, we demonstrate that multi-view temporal deep learning can capture collateral-specific contrast kinetics. Ultimately, these benchmarks delineate the clinical ambiguities and achievable performance boundaries of automated ASITN/SIR grading, establishing a reproducible foundation for objective hemodynamic phenotyping in stroke cohorts. Code is available at https://github.com/maedehafezi/X-LMC.
- Abstract（参考訳）: DSA(Digital subtraction angiography)は, 二次治療戦略, 神経リハビリテーション計画, 振り返り脳卒中研究を導くための重要な予後指標である。
しかし、ASITN/SIRスケールによる臨床LCCグレーティングは、手動、高度に可変な視覚検査に依存している。
X-LMCは時間分解型複平面DSAによる自動副次スコアリングのための時空間フレームワークである。
提案アーキテクチャは、DINOv2バックボーンを介して空間フレーム表現を符号化し、トークンレベルのクロスビューアテンションモジュールを介して直交投影を融合し、リカレントネットワークアーキテクチャを用いてコントラストボラスダイナミクスの表現をモデル化する。
M1-segment occlusions (M1-segment occlusions) を含む134症例のマルチセンターデータセットを用いて,本フレームワークの評価を行った。
5倍のクロスバリデーション設定では、X-LMCは静的アーキテクチャよりも高い点推定値と、関連する血管造影タスクから適応した時空間ベースラインを出力し、クアドラティック重み付きカッパ(QWK)の0.398(vs.0.322)と2コトマイズされたマクロF1スコアの0.711(vs. 0.663)を最高のパフォーマンスベースラインに対して達成した。
また,X-LMCは臨床像間合意(QWK:0.314)と一致した。
LMCスコアの自動化を目的とした最初のDSA研究として、多視点時間深層学習は、側方特異的なコントラスト運動を捉えることができることを示した。
最終的に、これらのベンチマークは、自動ASITN/SIRグレーディングの臨床的曖昧さと達成可能なパフォーマンス境界を明確にし、脳卒中コホートにおける客観的血行動態の再現可能な基盤を確立した。
コードはhttps://github.com/maedehafezi/X-LMCで公開されている。
関連論文リスト
- AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages [0.8886706641070187]
急性虚血性脳卒中(AIS)病変は脳卒中予後と治療計画に必須である。
非造影CT(non-contrast CT, NCCT)は, 微妙な梗塞造影を呈し, 手指の脱線が遅く, 労働集約的である。
2段階のnnU-Net互換3Dセグメンテーション法を提案する。
論文 参考訳（メタデータ） (2026-08-20T08:12:31Z) - CrossSpine: Multi-scale Cross-sequence Attention with Anatomical Priors for Automated Pfirrmann Grading [3.999922251852995]
本稿では,クロスシーケンスアテンション機構を用いた新しいアーキテクチャであるクロスシーケンスアテンション・スピン(CrossSpine)フレームワークを提案する。
我々は、Pfirrmannの自動グルーピングを目的とした、精巧にキュレートされたデータセットをコントリビュートする。
我々は、解剖学的ディスクレベル情報を統合するIVD対応分類手法を導入し、モデルがレベル固有の退化前を学習できるようにする。
論文 参考訳（メタデータ） (2026-07-22T08:03:43Z) - Parameter-efficient Prompt Tuning of Vision Foundation Model With Adaptive Focal Loss for Interpretable MCI Screening [1.0195618602298684]
本稿では,3つのモダリティ固有の学習可能なプロンプトトークンによって適応された凍結DINOv2適応モデルを用いたパラメータ効率のよいフレームワークを提案する。
提案したアーキテクチャでは、MCI級F1が0.641、AUCが0.795となり、計算上より重いResViTベースラインのMCI級F1では0.110を上回った。
論文 参考訳（メタデータ） (2026-07-16T14:26:22Z) - GOLDMARK: Governed Outcome-Linked Diagnostic Model Assessment Reference Kit [7.891604152731754]
CB(Computational Biomarker)は、ヘマトキシリン・エオシン(H&E)全スライディング画像(WSI)から抽出した組織由来のパターンで、治療効果や予後を予測する。
臨床応用可能な OncoKB レベル1-3 バイオマーカーラベルを持つTCGAコーホート上に構築された標準化されたベンチマークフレームワークである GOLDMARK を紹介する。
論文 参考訳（メタデータ） (2026-03-21T15:09:06Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。
ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。
MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
論文 参考訳（メタデータ） (2025-11-19T20:11:49Z) - MambaNetLK: Enhancing Colonoscopy Point Cloud Registration with Mamba [3.505757483260119]
本稿では,内視鏡ナビゲーションに適した新しい3Dレジストレーション手法と,高品質な臨床応用データセットを提案する。
MambaNetLKは通信不要の登録フレームワークで、Mamba State Space Modelを統合することでPointNetLKアーキテクチャを強化する。
臨床データセットであるC3VD-Raycasting-10kでは、MambaNetLKは最先端の手法と比較して最高のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-10-31T21:14:25Z) - 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) - CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。
我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
論文 参考訳（メタデータ） (2024-01-29T12:56:11Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Open-Narrow-Synechiae Anterior Chamber Angle Classification in AS-OCT
Sequences [42.60167901427091]
本稿では,AS-OCT配列に基づくオープンナロー-シナカイACA分類のための新しいシークエンス・マルチスケールアグリゲーション・ディープ・ネットワーク(SMA-Net)を提案する。
この研究は、AS-OCT配列を用いて、ACAをオープン、狭、あるいはシナチア型に分類する最初の試みであると考えている。
論文 参考訳（メタデータ） (2020-06-09T16:00:00Z)
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。