論文の概要: BSC-Net: A Small-Branch-Sensitive Structural Continuity Network for Coronary Vessel Segmentation and Quantitative Angiographic Analysis

• arxiv url: http://arxiv.org/abs/2609.15400v1
• Date: Mon, 14 Sep 2026 11:32:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.299106
• Title: BSC-Net: A Small-Branch-Sensitive Structural Continuity Network for Coronary Vessel Segmentation and Quantitative Angiographic Analysis
• Title（参考訳）: BSC-Net: 冠動脈切開のための小枝感作構造連続性ネットワークと定量的血管造影
• Abstract要約: 本稿では,細血管表現の改善と血管構造の維持を目的としたResNet-U-NetベースのフレームワークであるBSC-Netを提案する。 BSC-Netは、ターゲットサンプリングによる小血管表現を強化し、長期コンテキストモデリングとエッジインフォームドロス(EIL)を統合して血管構造連続性を改善する 得られた血管分画に基づいて,自動的定量的冠分析を行い,臨床的に関係のある形態学的および血行動態的パラメーターを導出した。
• 参考スコア（独自算出の注目度）: 5.395437454884259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vessel segmentation in X-ray coronary angiography (XCA) is a fundamental step for quantitative coronary analysis and subsequent assessment of coronary artery disease. However, accurate vessel segmentation remains challenging because of imaging noise, complex bifurcations, and the overlap of vessels and background structures, which can lead to disrupted vascular connectivity and missed small branches. In this work, we propose BSC-Net, a ResNet-U-Net-based framework tailored to improve small-vessel representation and repair vascular structural continuity. BSC-Net enhances small-vessel representation through targeted sampling and improves vascular structural continuity by integrating long-range contextual modeling and Edge-Informed Loss (EIL). BSC-Net was validated on two public XCA datasets, demonstrating state-of-the-art (SOTA) performance in coronary vessel segmentation with Dice and IoU scores of 77.8%/90.6% and 64.5%/83.0%, respectively. Furthermore, based on the obtained vessel segmentation, we performed automated quantitative coronary analysis and derived clinically relevant morphological and hemodynamic parameters, including stenosis ratio, time-to-peak, and relative propagation velocity. These results demonstrate that BSC-Net produces accurate vessel segmentation results with preserved vascular continuity for quantitative coronary assessment, enabling reliable downstream analysis and clinical evaluation of coronary artery disease.
• Abstract（参考訳）: X線冠動脈造影(XCA)における血管セグメンテーションは,冠動脈疾患の定量的解析およびその後の評価の基本的なステップである。 しかし、画像ノイズ、複雑な分岐、血管と背景構造が重なり、血管の接続が破壊され、小さな枝が欠落してしまうため、正確な血管分割は依然として困難である。 本研究では,細血管表現の改善と血管構造の維持を目的としたResNet-U-NetベースのフレームワークであるBSC-Netを提案する。 BSC-Netは、ターゲットサンプリングによる小血管表現を強化し、長距離コンテキストモデリングとエッジインフォームドロス(EIL)を統合することで血管構造の連続性を向上させる。 BSC-Netは2つのパブリックXCAデータセットで検証され、Dice と IoU による冠状血管のセグメンテーションにおいて、それぞれ77.8%/90.6%、64.5%/83.0%の成績を示した。 さらに, 得られた血管分画に基づいて, 冠動脈自動定量解析を行い, 狭窄率, 経時的変化速度, 相対伝播速度など, 臨床的に関係のある形態的, 血行動態的パラメーターを導出した。 以上の結果より,BSC-Netは冠状動脈病変を定量的に評価するための保存的血管連続性を有する正確な血管セグメンテーションを導出し,信頼性の高い下流解析と臨床的評価を可能にした。

関連論文リスト

• ImageCAS-X: a dataset and benchmark for coronary artery segmentation and centerline extraction in coronary CT angiography [0.1703996999004831]
  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。
  論文  参考訳（メタデータ） (2026-08-31T07:58:46Z)
• Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
  画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
  論文  参考訳（メタデータ） (2026-06-30T15:42:23Z)
• VEELA: A Clinically-Constrained Benchmark for Liver Vessel Segmentation in Computed Tomography Angiography [0.3267907805950309]
  VEELA(Vessel extract and Extrication for Liver Analysis)は、40個のCTAスキャンから厳密にキュレートされた血管データセットである。 すべての船は、厳密な可視性に基づくアノテーションポリシーを使用して、多専門家の合意のもと、手動でスライス・バイ・スライスされた。 標準化されたベンチマークフレームワークを構築し,トポロジ・アウェア(clDice)、オーバーラップ・ベース(IoU)、バウンダリ・センシティブ・アタッチメント(NSD)、ジオメトリ・アウェア(エリア,長さ)といった相補的評価指標を解析する。
  論文  参考訳（メタデータ） (2026-05-21T11:42:47Z)
• 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)
• Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling [10.73944733412427]
  本稿では, 心筋解剖学的先行性, 構造認識的特徴符号化, 3次元ウェーブレット逆ウェーブレット変換を統合した冠動脈分割フレームワークを提案する。 実験の結果,提案手法はディス係数が0.8082,感度が0.7946,精度が0.8471,HD95が9.77mmであり,いくつかの主流セグメンテーションモデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2025-12-14T04:12:40Z)
• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [61.48804987263701]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• 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)
• 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)
• Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation [3.6368619769561668]
  本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。 また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。 本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-06-02T01:52:35Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。