論文の概要: X-Strata: Separating Aneurysms and Overlapping Vessels into Layers from 2D X-ray Angiography
- arxiv url: http://arxiv.org/abs/2611.17743v1
- Date: Fri, 13 Nov 2026 04:57:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.303839
- Title: X-Strata: Separating Aneurysms and Overlapping Vessels into Layers from 2D X-ray Angiography
- Title(参考訳): X-Strata : 2次元X線血管造影法による大動脈瘤と重複血管の層への分離
- Abstract要約: 血管造影を3層に分割するネットワークであるX-Strataを提案する。
コントラストタイミングは、各レイヤがピクセルにどの程度貢献するかを示す。
X-Strataはまず、レイヤとそのコントラスト曲線を推定し、それから第2のビューを使用して、船体をフロント層またはバック層に割り当てる。
- 参考スコア(独自算出の注目度): 10.39414813764953
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An X-ray angiogram sums every structure along a ray into one pixel. When vessels cross an aneurysm, they obscure part of it and mix their contrast into its filling curve. We present X-Strata, a network that separates a cine angiogram into three layers: the complete aneurysm sac, the vessels in front of it, and the vessels behind it. Contrast timing indicates how much each layer contributes to a pixel, and parallax between two views indicates their order, which a single view cannot determine. X-Strata first estimates the layers and their contrast curves, then uses the second view to assign vessels to the front or back layer, and lifts all layers into 3D. It learns from layer labels projected from same-session 3D rotational angiography, but needs only 2D cine runs and their acquisition geometry at inference. On 220 held-out patients from three centers (122 external), two-view X-Strata ranks first among 14 baselines, including VGGT and C$^2$RV, in recovering the sac where vessels overlap it (Dice 0.693 internal, 0.641 external) and in ordering the layers (balanced accuracy 0.703, 0.659). Its order accuracy exceeds that of all 11 end-to-end baselines by at least 4.1 points internally and 3.3 externally (Holm-adjusted $p < 0.001$) and grows with view separation. Recovered 3D sac surfaces have a median Chamfer distance of 0.34 mm on the internal cohort. X-Strata may therefore provide layered aneurysm and vessel information, including 3D sac shape, for patients who undergo only 2D angiography.
- Abstract(参考訳): X線アンギグラムは、光線に沿った全ての構造を1ピクセルにまとめる。
血管が動脈瘤を横切ると、その一部を曖昧にし、コントラストを充填曲線に混ぜる。
我々は,血管造影を完全大動脈瘤嚢,前部血管,後部血管の3層に分けたネットワークであるX-Strataを提案する。
コントラストタイミングは、各レイヤがピクセルにどの程度貢献するかを示し、2つのビュー間のパララックスは、その順番を示し、単一のビューが決定できない。
X-Strataはまず、レイヤとそのコントラスト曲線を推定し、それから第2のビューを使用して、前層または後層に血管を割り当て、すべてのレイヤを3Dに上げる。
同セッションの3Dローテーション血管造影から投影される層ラベルから学習するが、2Dシネランと推論時の獲得幾何しか必要としない。
VGGTとC$^2$RVを含む14のベースラインのうち220の患者(外部122名)は、船体が重なり合う嚢を回収し(内部0.693、外部0.641名)、層を発注する(精度0.703、0.659名)。
その順序精度は、内部で少なくとも4.1ポイント、外部で3.3ポイント以上(ホルム調整された$p < 0.001$)、ビュー分離によって成長する。
回収された3Dサック面は、内部コホート上でのチャムファー距離の中央値0.34mmである。
そのため、X-Strataは2D血管造影のみを施行した患者に対して、3D嚢形状を含む層状動脈瘤と血管情報を提供することができる。
関連論文リスト
- Raysemble: Metric 3D Bone Reconstruction from a Single X-ray [5.743318484389104]
レイサンブルは単一のX線から8つの腰椎骨と骨盤骨を再構築する。
それぞれの3Dクエリは、そのイメージプロジェクションで地域的およびグローバルな特徴をサンプリングする。
同じ入力で、VolumeNeRFよりもDiceを5.86ポイント改善する。
論文 参考訳(メタデータ) (2026-11-12T14:38:06Z) - VascuSR: Iterative Anatomy-Aware Diffusion for CT Super-Resolution [47.44579735231579]
VascuSRは、画像再構成と明示的な3Dガイダンスを組み合わせた解剖学的認識拡散フレームワークである。
再アノテーションされたMSD Task08とHVMデータセットでは、VascuSRは、セグメンテーション精度と3D血管構造において、血管および学習ベースのSRベースラインより優れている。
学習ベースのベースラインと比較して、VascuSRは、両方のデータセットで平均接続成分数を20%以上削減し、MSDでは平均中心距離を10%以上削減する。
論文 参考訳(メタデータ) (2026-10-14T17:12:56Z) - Multi-Stage NeRF for Efficient 3D Coronary Artery Reconstruction from Two Narrow-Angle Angiographic Projections [44.06670146334926]
既存の学習に基づく2D-to-3D再構成手法では、広い角度のカバレッジや複数のビューが必要である。
NeCA++は、臨床的に現実的な取得制約に合わせた多段階の自己教師型神経放射野フレームワークである。
論文 参考訳(メタデータ) (2026-09-14T13:34:55Z) - Surface-to-Skeleton 3D Cephalometry: Estimating Hidden Skeletal Landmarks from CT-Derived External Soft-Tissue Surfaces [7.612596237676448]
我々は、CTから導かれる曲面を用いて、座標一貫性のある表面-骨格タスクを定式化する。
我々は,CTから派生した,21の骨格的ランドマークと3つの可視的ソフト・タスク的ランドマークとをペアリングする振り返りプロトコルを構築した。
統合的階層的ポイントクラウドモデルでは、40人の患者で骨格のランドマークが平均2.97mm、深部または表面の見えないランドマークが3.03mmとなる。
論文 参考訳(メタデータ) (2026-08-12T19:09:57Z) - 3D Reconstruction of Coronary Vessel Trees from Biplanar X-Ray Images Using a Geometric Approach [0.685068326729525]
両平面X線画像から3次元血管木を再構築する枠組みを提案する。
提案するフレームワークは,イメージセグメンテーション,モーションフェーズマッチング,3次元再構成の3つの主要コンポーネントから構成される。
論文 参考訳(メタデータ) (2025-09-15T08:23:01Z) - Surf2CT: Cascaded 3D Flow Matching Models for Torso 3D CT Synthesis from Skin Surface [13.161605581865357]
Surf2CTは、外部表面スキャンと人口統計データから人間の胴体の全3DCTボリュームを合成するフレームワークである。
我々は、マサチューセッツ総合病院(MGH)から得られた3,198個の胴体CTスキャンとAutoPETチャレンジを組み合わせたデータセットでモデルをトレーニングした。
論文 参考訳(メタデータ) (2025-05-28T16:01:36Z) - Top-K Maximum Intensity Projection Priors for 3D Liver Vessel Segmentation [44.706905779969404]
我々は,各投影方向に沿って積分を置き換えることでCT再構成を模倣するトップk最大強度投影の概念を導入する。
我々はこれらのトップk最大射影を用いて拡散モデルを作成し,3次元肝血管木を生成する。
我々は,3D-ircadb-01データセットを用いた3D肝・血管のセグメンテーションを評価し,Diceの交叉,係数オーバーユニオン(IoU),感度スコアを先行研究と比較した。
論文 参考訳(メタデータ) (2025-03-05T10:43:01Z) - 3D Spine Shape Estimation from Single 2D DXA [49.53978253009771]
2次元DXAスキャンから3次元スピン形状を推定する自動フレームワークを提案する。
我々はDXAスキャンから脊椎の矢状視界を明示的に予測することでこれを実現する。
論文 参考訳(メタデータ) (2024-12-02T13:58:26Z) - 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) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-26T14:38:42Z)
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。