論文の概要: Learning Higher-Order Dynamics in Video-Based Cardiac Measurement

• arxiv url: http://arxiv.org/abs/2110.03690v1
• Date: Thu, 7 Oct 2021 16:29:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 14:36:12.824772
• Title: Learning Higher-Order Dynamics in Video-Based Cardiac Measurement
• Title（参考訳）: ビデオ心臓計測における高次ダイナミクスの学習
• Authors: Brian L. Hill, Xin Liu, Daniel McDuff
• Abstract要約: 心パルスにおいて、第2誘導体は血圧および動脈疾患の指標として用いることができる。 近年, カメラを用いたバイタルサイン測定の進歩により, 心電図の精度が向上し, 心電図の精度が向上した。 損失関数に明示的に最適化した場合、高次ダイナミクスがニューラルネットワークによりより良く推定されることを示す。
• 参考スコア（独自算出の注目度）: 5.571184025017747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision methods typically optimize for first-order dynamics (e.g., optical flow). However, in many cases the properties of interest are subtle variations in higher-order changes, such as acceleration. This is true in the cardiac pulse, where the second derivative can be used as an indicator of blood pressure and arterial disease. Recent developments in camera-based vital sign measurement have shown that cardiac measurements can be recovered with impressive accuracy from videos; however, the majority of research has focused on extracting summary statistics such as heart rate. Less emphasis has been put on the accuracy of waveform morphology that is necessary for many clinically impactful scenarios. In this work, we provide evidence that higher-order dynamics are better estimated by neural models when explicitly optimized for in the loss function. Furthermore, adding second-derivative inputs also improves performance when estimating second-order dynamics. By incorporating the second derivative of both the input frames and the target vital sign signals into the training procedure, our model is better able to estimate left ventricle ejection time (LVET) intervals.
• Abstract（参考訳）: コンピュータビジョンの手法は通常1次ダイナミクス(例えば光フロー)に最適化される。 しかし、多くの場合、興味のある性質は加速のような高次変化の微妙な変化である。 これは、第2の誘導体が血圧と動脈疾患の指標として使用できる心臓パルスにおいて正しい。 近年、カメラを用いたバイタルサイン測定の進歩により、ビデオから心臓計測を驚くほど精度良く回収できることが示されているが、研究の大半は、心拍数などの要約統計の抽出に重点を置いている。 多くの臨床的に影響のあるシナリオで必要とされる波形形態学の精度にはあまり重点を置いていない。 本研究では,損失関数に明示的に最適化した場合,高次ダイナミクスがニューラルモデルによりよりよく推定されることを示す。 さらに、第2導出入力を追加することで、第2次ダイナミクスの推定性能も向上する。 入力フレームとターゲットのバイタルサイン信号の両方の2次微分をトレーニング手順に組み込むことで,左室放出時間(LVET)間隔を推定できる。

関連論文リスト

• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation [5.377722774297911]
  本稿では,標準CMRビデオから高精度なDENSE動作を予測するため,新しいラミネートモーション拡散モデル(LaMoD)を提案する。 実験の結果,提案手法であるLaMoDは標準CMR画像の動作解析の精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T12:54:32Z)
• Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets [2.0286377328378737]
  心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。 本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
  論文  参考訳（メタデータ） (2024-04-30T14:16:45Z)
• Physics-Guided Neural Networks for Intraventricular Vector Flow Mapping [1.498019339784467]
  物理インフォームドニューラルネットワーク(PINN)と物理誘導型nnU-Netに基づく教師付きアプローチを用いて,従来のiVFM最適化方式に代わる新しい手法を提案する。 どちらの手法も、元のiVFMアルゴリズムに匹敵する再構成性能を示している。 この研究は、超高速カラードプライメージングにおけるPINNの潜在的な応用と、血流に基づく心臓血管疾患のバイオマーカーを導出するための流体力学方程式の導入についても示唆している。
  論文  参考訳（メタデータ） (2024-03-19T17:35:17Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォード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） (2023-10-09T05:57:01Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Optimised Convolutional Neural Networks for Heart Rate Estimation and Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
  低サンプリングレートで心拍数と人的活動認識を同時に行う。 これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。 深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
  論文  参考訳（メタデータ） (2020-03-30T11:44:58Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。