digital subtraction angiography
PulseAugur coverage of digital subtraction angiography — every cluster mentioning digital subtraction angiography across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型混合架构改进血管图像分割
研究人员开发了UI-VISA，一种用于分割数字减影血管造影（DSA）图像中血管结构的新型架构。这种混合方法结合了U-Net的预测能力和CNN引导的区域生长算法。UI-VISA使用U-Net的预测作为区域生长的种子点，然后强制执行连通性并恢复U-Net单独可能遗漏的精细血管细节。在26幅DSA图像上的评估表明，UI-VISA在保持血管连通性方面取得了卓越的性能，与单独的U-Net和先前的一种区域生长方法相比，clDice得分有了统计学上的显著提高。
-
新的AI框架可自动对DSA扫描中的卒中侧支进行评分
研究人员开发了X-LMC，一个新颖的时空框架，旨在自动对数字减影血管造影 (DSA) 扫描中的软脑膜侧支 (LMC) 进行评分。该系统利用DINOv2骨干网络进行空间表示，跨视图注意力融合正交投影，并使用循环网络模拟造影剂团块动力学。在对134名患者的评估中，X-LMC的表现优于现有的静态和时空基线，实现了0.398的Quadratic Weighted Kappa，这与临床评分者间的一致性相当。
-
GeoPose 框架实现快速、患者无关的 CTA 到 DSA 配准
研究人员开发了 GeoPose，一个用于将术中数字减影血管造影 (DSA) 与术前计算机断层扫描血管造影 (CTA) 对齐的新型框架。与对初始化敏感或需要患者特定训练的现有方法不同，GeoPose 利用群体训练的残差网络在规范帧中估计 C 型臂姿态，然后将其转移到 CTA 的原生帧中。这种方法实现了快速准确的配准，其中一个无优化版本在 0.15 秒内达到了 5.8 毫米的平均投影中心线距离，显著优于基线方法。
-
新的混合Transformer-CNN模型增强了冠状动脉分割
研究人员开发了HTC-SGA Former，这是一种新颖的混合Transformer-CNN网络，用于数字减影血管造影（DSA）图像中的冠状动脉的精确分割。该框架通过集成用于局部形态的CNN编码器和用于全局上下文的Transformer解码器，解决了细小血管、低对比度和类别不平衡等挑战。该模型集成了专门的注意力机制和边界加权损失函数，以改善弱小血管的恢复和血管边界的细化。实验表明，HTC-SGA Former的参数量显著小于现有方法，…
-
新AI框架从稀疏DSA图像重建三维血管
研究人员开发了一种新颖的神经渲染优化框架，用于从稀疏视角的动态数字减影血管造影（DSA）图像重建三维血管结构。该方法称为血管概率引导衰减学习，旨在减少当前商用DSA系统相关的显著辐射暴露，这些系统通常需要数百个扫描视角。该方法将DSA成像建模为静态和动态衰减场的加权组合，利用血管概率场来引导静态背景和动态造影剂流的分离，从而提高重建质量。该框架通过最小化合成图像与真实DSA图像之间的差异进行训练，并采用渐进式训练和时间一致性损失策略来…