論文の概要: An Anatomy-Aware Staged Pipeline for Vessel-Specific Intracranial Aneurysm Segmentation in CT and MR Angiography

• arxiv url: http://arxiv.org/abs/2610.24011v1
• Date: Thu, 15 Oct 2026 21:15:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 11:44:20.066955
• Title: An Anatomy-Aware Staged Pipeline for Vessel-Specific Intracranial Aneurysm Segmentation in CT and MR Angiography
• Title（参考訳）: CTおよびMR血管造影における血管内大動脈瘤分節の解剖学的検討
• Abstract要約: TopAneu 2026の課題は、頭蓋内動脈瘤をボクセルレベルで分断し、50以上の血管特異的クラスのいずれかに割り当てることである。 単一セグメンテーションネットワークではなく、6段階の解剖学的パイプラインで対処する。 ステージワイド性能と5部アブレーションを報告し,各ステージにおける船体先行とクラスアウェアサンプリングの寄与を分離した。
• 参考スコア（独自算出の注目度）: 0.22067925276806286
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The TopAneu 2026 challenge requires intracranial aneurysms to be segmented at the voxel level and assigned to one of more than fifty vessel-specific classes, on CT and MR angiography alike. We address it with a six-stage anatomy-aware pipeline rather than a single segmentation network. A logistic-regression classifier routes each scan to a modality-specific branch; networks segment the vasculature, first as a binary mask and then over the full 36-class arterial taxonomy; a candidate localiser turns raw angiography and vessel priors into suspicious regions; a candidate-centred network segments the lesion in each crop; connected components become instances; and a per-instance classifier assigns each its anatomical location. Two principles organise the design. Whenever an upstream model output becomes a downstream training input it is generated out-of-fold, so no stage trains on unrealistically clean predictions of itself. And the anatomical decision is made once per lesion rather than once per voxel, which fits the data: of 406 connected aneurysm components in the full release, 405 carry exactly one location label. Task 1 is read off the Task 2 mask, making the two consistent by construction. We report stage-wise performance and a five-part ablation isolating what vessel priors and class-aware sampling contribute at each stage.
• Abstract（参考訳）: TopAneu 2026の課題は、頭蓋内大動脈瘤をボクセルレベルに分割し、CTやMRの血管造影でも50以上の血管特異的クラスのいずれかに割り当てることである。 単一セグメンテーションネットワークではなく、6段階の解剖学的パイプラインで対処する。 ロジスティック回帰分類器は、各スキャンをモダリティ特異的ブランチにルーティングする;ネットワークは、まずはバイナリマスクとして、次に36クラスの動脈分類を網羅する;候補のローカライザは、生の血管造影と血管を疑似領域に転換する;候補の中央ネットワークは、各作物の病変をセグメント化し、接続されたコンポーネントはインスタンスになり、インスタンスごとの分類器は、それぞれの解剖学的位置を割り当てる。 2つの原則が設計を組織化する。 上流モデルの出力が下流のトレーニング入力となると、それをアウトオブフォールドに生成するので、ステージのトレーニングは非現実的に自分自身のクリーンな予測を行わない。 そして、解剖学的決定は、1ボクセルあたり1回ではなく1回に1回行われ、そのデータに適合する:完全なリリースで406個の連結動脈瘤コンポーネントが、正確に1つの位置ラベルを持っている。 タスク1はタスク2マスクから読み出され、2つのマスクは構築によって一貫する。 ステージワイド性能と5部アブレーションを報告し,各ステージにおける船体先行とクラスアウェアサンプリングの寄与を分離した。

関連論文リスト

• Pretrained, Curriculum-Tuned, and Ensembled: A Tracer-Aware Interactive Segmentation Pipeline for AutoPET V [14.33657441650138]
  本稿では,対話型解剖ガイド法によるTRIAGE,Tracer-aware Refinementを提案する。 本稿では,対話型解剖ガイド法によるTRIAGE,Tracer-aware Refinementを提案する。
  論文  参考訳（メタデータ） (2026-08-31T14:13:09Z)
• SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound [60.64817443833982]
  本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンSAMeを提案する。 SAMeはスキャン開始をターゲット・トゥ・アノプティ・トゥ・アクションのプロセスとして扱う。 単一の外部画像から、接地対象に対する患者固有の解剖学的表現をインスタンス化する。
  論文  参考訳（メタデータ） (2026-04-28T13:44:09Z)
• Improve Retinal Artery/Vein Classification via Channel Couplin [12.219907282789285]
  本稿では,血管,動脈,静脈のコヒーレンスと整合性を確保するために,Channel-Coupled Vessel Consistency Lossという新たな損失を提案する。 また、画像内画素レベルのコントラスト損失という正規化用語を導入し、より識別性の高い特徴レベルの微粒化表現を抽出する。 SOTAの結果は、RITE、LES-AV、HRFを含む3つのパブリックA/V分類データセットで達成されている。
  論文  参考訳（メタデータ） (2025-07-31T18:43:02Z)
• Multi-task learning for joint weakly-supervised segmentation and aortic arch anomaly classification in fetal cardiac MRI [2.7962860265843563]
  3D Black blood T2w MRIによる胎児血管分割の自動化と異常分類のための枠組みを提案する。 右大動脈弓部,右大動脈弓部,大動脈解離の疑いを主訴に来院した。 実験の結果,提案した学習戦略はラベルの伝播と,伝播ラベルのみに特化して訓練されたネットワークを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T10:54:53Z)
• Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images [17.45239343953272]
  CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。 この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。 第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
  論文  参考訳（メタデータ） (2022-12-15T08:18:37Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• 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。