論文の概要: Tracking Anything in Heart All at Once
- arxiv url: http://arxiv.org/abs/2310.02792v1
- Date: Wed, 4 Oct 2023 13:11:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 14:59:58.180546
- Title: Tracking Anything in Heart All at Once
- Title(参考訳): 心臓のあらゆるものを一度に追跡する
- Authors: Chengkang Shen, Hao Zhu, You Zhou, Yu Liu, Si Yi, Lili Dong, Weipeng
Zhao, David J. Brady, Xun Cao, Zhan Ma, Yi Lin
- Abstract要約: 心筋運動追跡は心血管疾患(CVD)の予防と検出に不可欠な臨床ツールである
現在の技術は、空間次元と時間次元の両方において、心筋の不完全かつ不正確な運動推定に苦しむ。
本稿では, 心臓の3次元構造と包括的6次元前/後方運動をモデル化するためのニューラル心運動場(ニューラルCMF)について紹介する。
- 参考スコア(独自算出の注目度): 31.097611118600163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Myocardial motion tracking stands as an essential clinical tool in the
prevention and detection of Cardiovascular Diseases (CVDs), the foremost cause
of death globally. However, current techniques suffer incomplete and inaccurate
motion estimation of the myocardium both in spatial and temporal dimensions,
hindering the early identification of myocardial dysfunction. In addressing
these challenges, this paper introduces the Neural Cardiac Motion Field
(NeuralCMF). NeuralCMF leverages the implicit neural representation (INR) to
model the 3D structure and the comprehensive 6D forward/backward motion of the
heart. This approach offers memory-efficient storage and continuous capability
to query the precise shape and motion of the myocardium throughout the cardiac
cycle at any specific point. Notably, NeuralCMF operates without the need for
paired datasets, and its optimization is self-supervised through the physics
knowledge priors both in space and time dimensions, ensuring compatibility with
both 2D and 3D echocardiogram video inputs. Experimental validations across
three representative datasets support the robustness and innovative nature of
the NeuralCMF, marking significant advantages over existing state-of-the-arts
in cardiac imaging and motion tracking.
- Abstract(参考訳): 心筋運動追跡は、心血管疾患(cvds)の予防と検出に必須な臨床ツールであり、世界中で最も多い死因である。
しかし、現在の手法では、空間次元と時間次元の両方において、不完全かつ不正確な心筋運動の推定が困難であり、早期の心筋機能障害の特定を妨げる。
そこで本稿では,神経運動野(neural heart motion field,neuralcmf)について述べる。
NeuralCMFは、暗黙の神経表現(INR)を利用して、心臓の3D構造と包括的な6D前方/後方運動をモデル化する。
このアプローチは、メモリ効率のストレージと連続的な能力を提供し、特定の点において心筋の正確な形状と運動を問い合わせる。
特に、NeuralCMFはペア化されたデータセットを必要とせずに動作し、その最適化は空間次元と時間次元の両方の物理知識を通じて自己監督され、2Dと3Dの心エコービデオ入力との互換性を確保する。
3つの代表的なデータセットにわたる実験的検証は、NeuralCMFの堅牢性と革新性をサポートし、心臓画像とモーショントラッキングにおける既存の最先端技術に対する大きな優位性を示している。
関連論文リスト
- Cas-DiffCom: Cascaded diffusion model for infant longitudinal
super-resolution 3D medical image completion [47.83003164569194]
超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。
Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
論文 参考訳(メタデータ) (2024-02-21T12:54:40Z) - Deep Learning for Automatic Strain Quantification in Arrhythmogenic
Right Ventricular Cardiomyopathy [0.0]
CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。
Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。
以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
論文 参考訳(メタデータ) (2023-11-24T12:55:36Z) - 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) - DMCVR: Morphology-Guided Diffusion Model for 3D Cardiac Volume
Reconstruction [33.59945107137013]
現在の心臓MRIによる再建技術は、平面解像度が制限された2Dである。
本稿では,高解像度2次元画像とそれに対応する3次元再構成ボリュームを合成する3次元心容積再構成のための形態誘導拡散モデルDMCVRを提案する。
論文 参考訳(メタデータ) (2023-08-18T00:48:30Z) - Mesh-based 3D Motion Tracking in Cardiac MRI using Deep Learning [11.177851736773823]
心臓機能評価と心血管疾患の診断には, 心臓磁気共鳴(CMR)画像からの3次元運動推定が重要である。
従来の手法のほとんどは、フルイメージ空間における画素/ボクセルの運動場の推定に重点を置いていた。
本研究では、心臓を3次元幾何メッシュとしてモデル化し、2次元短軸CMR画像から心臓メッシュの3次元運動を推定できる新しいディープラーニングベースの手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T15:10:27Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳(メタデータ) (2022-08-22T22:01:44Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。
心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
論文 参考訳(メタデータ) (2021-12-03T16:09:32Z) - Synthetic Velocity Mapping Cardiac MRI Coupled with Automated Left
Ventricle Segmentation [1.8268300764373178]
本稿では,3次元MVMデータの時間分解能を高めるためのフレーム合成アルゴリズムを提案する。
我々のアルゴリズムは、時間分解能3Dir MVMを増大させるだけでなく、同時に心筋セグメンテーション結果を生成することもできる。
論文 参考訳(メタデータ) (2021-10-04T10:20:27Z) - Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。
第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。
第2段階は、心拍を幅または幅に分類する分類NNである。
第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文 参考訳(メタデータ) (2020-11-17T16:15:49Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳(メタデータ) (2020-04-26T05:43:21Z)
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。