論文の概要: ImageCAS-X: a dataset and benchmark for coronary artery segmentation and centerline extraction in coronary CT angiography

• arxiv url: http://arxiv.org/abs/2608.30404v1
• Date: Mon, 31 Aug 2026 07:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.298664
• Title: ImageCAS-X: a dataset and benchmark for coronary artery segmentation and centerline extraction in coronary CT angiography
• Title（参考訳）: ImageCAS-X : 冠状動脈セグメンテーションと中心線抽出のためのデータセットとベンチマーク
• Abstract要約: 心臓科医は、血管の追跡とセグメンテーションを半自動で行う方法に頼っている。 多くの自動手法が提案されているが、その検証は大規模で高品質な公開データセットの欠如によって制限されている。 我々は、一般に公開されているImageCASデータセットから800のスキャンに対して、中心ラインとメッシュサーフェスとともに、血管と冠動脈セグメントのvoxel-wiseアノテーションのデータセットを新たに提供します。
• 参考スコア（独自算出の注目度）: 0.1703996999004831
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of the coronary vessel lumen is a prerequisite for quantitative assessment of atherosclerotic plaque and perivascular adipose tissue in coronary computed tomography angiography (CCTA). Cardiologists rely on semi-automated methods for this task because manual vessel tracing and segmentation are labour-intensive. Although many automated methods have been proposed, their validation remains limited by the lack of large, high-quality publicly available datasets. We provide a new dataset of voxel-wise annotations of the vessel lumen and coronary segments, alongside centerlines, and mesh surfaces for 800 scans from the publicly available ImageCAS dataset. Using this dataset, we benchmark established lumen segmentation methods against inter-observer variability, stratifying performance by disease, image quality, coronary dominance, coronary segment, vessel diameter, and lumen attenuation. These labels allow segmentation accuracy to be described in anatomical and clinical context rather than reported as a single aggregate score. The dataset supports the development and validation of methods for lumen segmentation, plaque and perivascular quantification, and haemodynamic modelling.
• Abstract（参考訳）: 冠動脈鏡下冠動脈造影(CCTA)における動脈硬化プラークと血管周囲脂肪組織を定量的に評価するために,冠動脈腔の正確な分画が必須である。 心臓科医は、手動の血管追跡とセグメンテーションが労働集約的であるため、このタスクを半自動化する方法に依存している。 多くの自動手法が提案されているが、その検証は大規模で高品質な公開データセットの欠如によって制限されている。 我々は,一般に公開されているImageCASデータセットから800のスキャンを行うために,血管腔と冠状領域のボクセル的アノテーションのデータセットと中心線,メッシュ表面を新たに提供した。 本データセットを用いて, 病変, 画像品質, 冠優位性, 冠セグメント, 血管径, 路面減衰に対するルーメン分節法の確立をベンチマークした。 これらのラベルは、単一の集計スコアとして報告されるのではなく、解剖学的、臨床的文脈でセグメンテーションの精度を記述することができる。 このデータセットは、ルーメンのセグメンテーション、プラークおよび周辺血管の定量化、およびヘモダイナミックモデリングのための方法の開発と検証をサポートする。

関連論文リスト

• Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
  冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。 患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
  論文  参考訳（メタデータ） (2026-02-02T13:07:52Z)
• 3D CT-Based Coronary Calcium Assessment: A Feature-Driven Machine Learning Framework [0.6595674042529606]
  冠状動脈疾患(CAD)の早期発見と危険層形成における冠状動脈カルシウム(CAC)スコアの意義 本研究では,非コントラスト型冠動脈造影CT(CCTA)スキャンに焦点をあて,臨床現場での早期石灰化検出に広く用いられている。 限られたアノテートデータに対処するために、擬似ラベルを利用してトレーニングラベルを生成する放射能ベースのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-29T10:04:47Z)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
  CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
  論文  参考訳（メタデータ） (2024-06-13T01:04:47Z)
• SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
  冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。 心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。 自動冠状動脈疾患診断では異常な成績を示した。
  論文  参考訳（メタデータ） (2023-11-17T02:01:19Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Computed tomography coronary angiogram images, annotations and associated data of normal and diseased arteries [8.516530964229814]
  CTCAは冠動脈の解剖と疾患を評価する非侵襲的手法である。 私たちの知る限り、完全な冠状樹の中心線とセグメンテーションを含むパブリックデータセットはありません。 データは、患者固有の3Dプリンティングモデル、セグメンテーションアルゴリズムの開発と検証、医療従事者の教育と訓練、医療機器のテストなど、様々な研究目的に使用できる。
  論文  参考訳（メタデータ） (2022-11-03T14:50:43Z)
• 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)
• Segmentation of Anatomical Layers and Artifacts in Intravascular Polarization Sensitive Optical Coherence Tomography Using Attending Physician and Boundary Cardinality Lost Terms [4.93836246080317]
  血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。 畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。 モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
  論文  参考訳（メタデータ） (2021-05-11T15:52:31Z)

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。