論文の概要: MCP-Net: Real-Time Coronary Perception Network and Topological Analysis for Robotic Guidewire Navigation
- arxiv url: http://arxiv.org/abs/2610.37127v1
- Date: Tue, 27 Oct 2026 12:25:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.584971
- Title: MCP-Net: Real-Time Coronary Perception Network and Topological Analysis for Robotic Guidewire Navigation
- Title（参考訳）: MCP-Net:リアルタイム冠動脈知覚ネットワークとロボットガイドワイヤナビゲーションのためのトポロジ解析
- Abstract要約: ロボットガイドワイヤナビゲーションのためのMulti-Task Coronary Perception Network (MCP-Net) を中心としたシミュレーション駆動型フレームワークを提案する。
血管構造のシミュレートされた蛍光画像, ガイドワイヤのシミュレート, 重症度の変化を伴う狭窄病変, 血管形状の多様性について検討した。
MCP-Netは、冠血管の分節化、ガイドワイヤ-チップの局在化、および1つのフルオロスコープフレームからの狭窄の局在化を共同で行う。
- 参考スコア（独自算出の注目度）: 2.93239140822068
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Coronary guidewire navigation during percutaneous coronary intervention requires continuous interpretation of vessel anatomy, guidewire position, and target stenosis under two-dimensional X-ray fluoroscopy. While existing approaches commonly address vessel segmentation or device localization as separate tasks, a robotic system requires a more structured perception of the coronary scene to support downstream navigation. In this work, we present a simulation-driven framework centered on a Multi-Task Coronary Perception Network (MCP-Net) for robotic guidewire navigation, integrating coronary vessel segmentation, vascular topology extraction, and roadmap generation. Starting from three-dimensional coronary CT angiography, we generate simulated fluoroscopy images containing vascular structures, simulated guidewires, stenotic lesions with varying severity, and diverse vascular geometries, together with simulation-derived ground truth. MCP-Net jointly performs coronary vessel segmentation, guidewire-tip localization, and stenosis localization from a single fluoroscopic frame. These predictions are subsequently converted into a structured vascular graph containing centerlines, bifurcations, endpoints, branch directions, and branch angles. By associating the predicted stenosis with this graph, the framework generates a roadmap from the automatically selected graph root toward the target lesion. The results demonstrate that the proposed framework can jointly recover coronary perception targets and transform them into an interpretable vascular representation suitable for downstream robotic navigation.
- Abstract（参考訳）: 冠動脈インターベンション中の冠動脈ガイドワイヤーナビゲーションには, 血管解剖, ガイドワイヤー位置, 目標狭窄の連続的解釈が必要である。
既存のアプローチでは、血管のセグメンテーションやデバイスローカライゼーションを個別のタスクとして扱うのが一般的だが、下流のナビゲーションをサポートするために、ロボットシステムはより構造化された冠動脈シーンの認識を必要とする。
本研究では, ロボットガイドワイヤナビゲーション, 冠状血管分割, 血管トポロジー抽出, ロードマップ生成のためのマルチタスク冠動脈知覚ネットワーク(MCP-Net)を中心に, シミュレーション駆動型フレームワークを提案する。
3次元冠動脈造影から, 血管構造, 模擬ガイドワイヤ, 狭窄病変, 重症度, 各種血管ジオメトリーを含むシミュレートされた蛍光像を, シミュレーション由来の地上真実とともに生成する。
MCP-Netは、冠血管の分節化、ガイドワイヤ-チップの局在化、および1つのフルオロスコープフレームからの狭窄の局在化を共同で行う。
これらの予測はその後、中心線、分岐、終端、分岐方向、分岐角を含む構造化された血管グラフに変換される。
予測された狭窄をこのグラフに関連付けることにより、自動選択されたグラフルートからターゲット病変へのロードマップを生成する。
提案手法は, 冠状動脈の知覚目標を協調的に回復し, 下流のロボットナビゲーションに適した血管表現に変換できることを示す。
関連論文リスト
- Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
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
論文 参考訳（メタデータ） (2026-09-20T11:08:19Z) - MAC-XA: Multi-view Anatomy-Correspondence Fusion for Coronary Stenosis Reporting from X-ray Angiography [46.98348758460767]
冠動脈X線写真における多視点推論は本質的に横射影幾何学的問題である。
我々は、幾何学に基づくパッチレベルの対応管理を公開するために、制御可能な合成血管造影生成戦略を導入する。
合成データおよびゼロショットの実際の血管造影への移動実験により、このアライメントに制約のある設計は、一致の整合性と構造化狭窄の報告を改善することが示されている。
論文 参考訳（メタデータ） (2026-07-07T13:33:25Z) - 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) - Vesselpose: Vessel Graph Reconstruction from Learned Voxel-wise Direction Vectors in 3D Vascular Images [2.8991059698468287]
本稿では3次元画像データからトポロジカルに正確な血管グラフを抽出する手法を提案する。
提案手法は,3つのベンチマークデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2026-05-01T09:34:39Z) - Auxiliary Input in Training: Incorporating Catheter Features into Deep Learning Models for ECG-Free Dynamic Coronary Roadmapping [17.461510586128874]
ダイナミック冠のロードマップ作成は、X線アンギオグラフィーのオフライン画像シーケンスから抽出した血管マップ(「ロードマップ」)をリアルタイムでX線フルオロスコープのライブストリームにオーバーレイする技術である。
コントラスト剤注入の繰り返しを必要とせず、介入手術のナビゲーションガイダンスを提供することを目標とし、放射線曝露や腎不全に伴うリスクを低減することを目的としている。
論文 参考訳（メタデータ） (2024-08-28T17:05:38Z) - 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) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳（メタデータ） (2022-08-10T15:39:20Z) - Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。
U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。
実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
論文 参考訳（メタデータ） (2022-07-20T14:20:03Z) - Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。
既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。
本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
論文 参考訳（メタデータ） (2021-07-19T17:59:31Z) - 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) - CS2-Net: Deep Learning Segmentation of Curvilinear Structures in Medical
Imaging [90.78899127463445]
カービリニア構造のセグメンテーションのための汎用的で統一的な畳み込みニューラルネットワークを提案する。
エンコーダとデコーダに自己アテンション機構を含む新しいカービリニア構造分割ネットワーク(CS2-Net)を導入する。
論文 参考訳（メタデータ） (2020-10-15T03:06:37Z)
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。