論文の概要: Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos

• arxiv url: http://arxiv.org/abs/2609.23553v1
• Date: Sun, 20 Sep 2026 11:08:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.850002
• Title: Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos
• Title（参考訳）: 冠動脈造影ビデオによるSynTAX Scoringの臨床ワークフローのモデル化
• Abstract要約: 我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
• 参考スコア（独自算出の注目度）: 73.50200033931148
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The SYNTAX score is a clinically established tool for assessing anatomical lesion complexity in coronary artery disease and guiding subsequent treatment. However, automated SYNTAX scoring is commonly formulated as a direct regression problem from coronary angiography videos to patient-level scores. In this work, we reformulate SYNTAX scoring as a vessel segment identity-preserving anatomical reasoning problem and propose a hierarchical modeling framework that explicitly aligns learning with the clinical workflow. Our approach maintains vessel segment identity across frames and views, estimates stenosis severity at the segment level, and aggregates evidence hierarchically according to coronary anatomy. Simultaneously, to address the scarcity of domain-specific data, we integrate and complete multiple public coronary angiography datasets, constructing a large-scale resource featuring completed vessel segmentation and derived structural annotations. Experiments demonstrate that vessel segment-level stenosis embedding enhances explanatory power and reduces prediction variability compared to baseline models, with the R^2 score improving by 0.201 and dev STD decreasing by 18.4%. These results highlight the necessity of structure-aligned modeling for reliable and stable automated SYNTAX scoring from multi-view coronary angiography videos. The GitHub link is https://github.com/VersaceSu7/SYNTAX_score_777.
• Abstract（参考訳）: SynTAXスコアは、冠動脈疾患の解剖学的病変の複雑さを評価し、その後の治療を導くための臨床的に確立されたツールである。 しかし、SynTAX自動スコアは、冠動脈造影ビデオから患者レベルスコアへの直接回帰問題として一般的に定式化されている。 本研究では,SymTAXスコアを解剖学的推論問題として再構成し,臨床ワークフローと学習を明示的に整合させる階層的モデリングフレームワークを提案する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨 同時に、ドメイン固有のデータの不足に対処するため、複数の冠動脈造影データセットを統合し、完成させ、血管分割と構造アノテーションの導出を特徴とする大規模リソースを構築した。 R^2は0.201、dev STDは18.4%改善した。 これらの結果は,多視点冠動脈造影ビデオから得られたSYNATAXの信頼性と安定性を考慮した構造整合モデルの必要性を浮き彫りにした。 GitHubのリンクはhttps://github.com/VersaceSu7/SYNTAX_score_777である。

関連論文リスト

• 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)
• CORA: A Pathology Synthesis Driven Foundation Model for Coronary CT Angiography Analysis and MACE Risk Assessment [7.00689933116151]
  CORAは、総合的な心血管リスク評価のための3次元視覚基盤モデルである。 12,801枚の冠動脈造影CTの大規模コホートでCORAを訓練した。 CORAは最先端の3Dビジョンファウンデーションモデルを上回っ、最大29%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2026-03-25T22:28:31Z)
• 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)
• AnyCXR: Human Anatomy Segmentation of Chest X-ray at Any Acquisition Position using Multi-stage Domain Randomized Synthetic Data with Imperfect Annotations and Conditional Joint Annotation Regularization Learning [0.0]
  我々は任意のCXR射影角をまたいで一般化可能な多臓器分割を可能にする統一フレームワークであるAnyCXRを提案する。 我々はAnyCXRを完全に合成データに基づいて訓練し,PA,側方,斜視で54の解剖学的構造を正確に記述した。 その結果,AnyCXRは解剖学的CXR解析のためのスケーラブルで信頼性の高い基盤を確立していることがわかった。
  論文  参考訳（メタデータ） (2025-12-19T06:27:14Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• CardioSyntax: end-to-end SYNTAX score prediction -- dataset, benchmark and method [36.440495538328754]
  SynTAXスコアは、冠動脈疾患の重症度を測る手段として広く用いられている。 本稿では,冠動脈造影からSynTAXスコアを自動推定する医療レグレッションと分類問題を提案する。 我々は,SynTAXスコア推定と冠優位分類のために,3,018人の総合的なCardioSYNTAXデータセットを提示した。
  論文  参考訳（メタデータ） (2024-07-29T11:16:59Z)
• 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)
• 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)

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。