Fugu-MT 論文翻訳(概要): Spatio-temporal neural distance fields for conditional generative modeling of the heart

論文の概要: Spatio-temporal neural distance fields for conditional generative modeling of the heart

arxiv url: http://arxiv.org/abs/2407.10663v1
Date: Mon, 15 Jul 2024 12:26:52 GMT
ステータス: 処理完了
システム内更新日: 2024-07-16 15:21:26.990724
Title: Spatio-temporal neural distance fields for conditional generative modeling of the heart
Title（参考訳）: 心臓の条件生成モデルのための時空間神経距離場
Authors: Kristine Sørensen, Paula Diez, Jan Margeta, Yasmin El Youssef, Michael Pham, Jonas Jalili Pedersen, Tobias Kühl, Ole de Backer, Klaus Kofoed, Oscar Camara, Rasmus Paulsen,
Abstract要約: 本稿では,時間的神経野の形で形と動きを暗黙的にモデル化し,臨床デモグラフィーに基づく条件付き生成モデルを提案する。左心房で検査され、現在の配列解剖学的完了合成配列よりも優れている。これは、静的画像から機能的計測を推測し、特定のデモグラフィーまたは疾患で合成集団を生成し、非画像臨床データが心臓解剖の形状と運動にどのように影響するかを調査することができることを意味している。
参考スコア（独自算出の注目度）: 0.10481793104300056
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rhythmic pumping motion of the heart stands as a cornerstone in life, as it circulates blood to the entire human body through a series of carefully timed contractions of the individual chambers. Changes in the size, shape and movement of the chambers can be important markers for cardiac disease and modeling this in relation to clinical demography or disease is therefore of interest. Existing methods for spatio-temporal modeling of the human heart require shape correspondence over time or suffer from large memory requirements, making it difficult to use for complex anatomies. We introduce a novel conditional generative model, where the shape and movement is modeled implicitly in the form of a spatio-temporal neural distance field and conditioned on clinical demography. The model is based on an auto-decoder architecture and aims to disentangle the individual variations from that related to the clinical demography. It is tested on the left atrium (including the left atrial appendage), where it outperforms current state-of-the-art methods for anatomical sequence completion and generates synthetic sequences that realistically mimics the shape and motion of the real left atrium. In practice, this means we can infer functional measurements from a static image, generate synthetic populations with specified demography or disease and investigate how non-imaging clinical data effect the shape and motion of cardiac anatomies.
Abstract（参考訳）: 心臓のリズミカルなパンピング運動は、個々のチャンバーの細心の収縮を通じて、人体全体に血液を循環させ、生命の基盤となる。チャンバーの大きさ,形状,運動の変化は心臓疾患の重要なマーカーであり,臨床検査や疾患との関連でモデリングすることが重要である。既存のヒト心臓の時空間モデリング法では、時間とともに形状の対応を必要とするか、大きな記憶の要求に悩まされるため、複雑な解剖学での使用は困難である。そこで我々は,空間的時間的ニューラル距離場として形と動きを暗黙的にモデル化し,臨床デモグラフィーで条件付けする,新しい条件生成モデルを提案する。このモデルは自動デコーダアーキテクチャに基づいており、臨床デモグラフィに関連するものから個々のバリエーションを分離することを目的としている。左心房(左心房付属物を含む)でテストされ、解剖学的配列完了の最先端の手法より優れ、実際の左心房の形状と運動を現実的に模倣する合成配列を生成する。実際には、静的画像から機能的計測を推測し、特定のデモグラフィーや疾患を持つ合成個体群を生成し、非画像臨床データが心臓解剖の形状と運動にどのように影響するかを調べることができる。

関連論文リスト

A Personalised 3D+t Mesh Generative Model for Unveiling Normal Heart Dynamics [6.6350578770951385]
心臓の形状と運動パターンの分布を学習するために,条件付き生成モデルであるMeshHeartを開発した。 MeshHeartは、年齢、性別、体重、高さなどの臨床的要因を考慮して、3D+t心筋メッシュ配列を生成することができる。本稿では,個人化規範パターンから実際の心臓の偏差を定量化する,新しい距離測定式潜時デルタを提案する。
論文参考訳（メタデータ） (2024-09-20T18:08:37Z)
Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文参考訳（メタデータ） (2024-05-21T20:37:07Z)
Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
論文参考訳（メタデータ） (2023-08-31T09:02:53Z)
Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文参考訳（メタデータ） (2023-03-07T09:40:22Z)
CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy [16.84316344437967]
心臓画像解析における2つの重要な疑問は、画像から心臓の解剖と運動を評価することである。本研究では,心臓の4次元時間解剖と非画像的臨床因子との相互作用を記述する条件生成モデルを提案する。
論文参考訳（メタデータ） (2023-01-30T17:36:12Z)
A Generative Shape Compositional Framework to Synthesise Populations of Virtual Chimaeras [52.33206865588584]
複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
論文参考訳（メタデータ） (2022-10-04T13:36:52Z)
Generative Modelling of the Ageing Heart with Cross-Sectional Imaging and Clinical Data [13.819131884449881]
本研究では, 加齢に伴う心臓の3次元解剖学的変化を記述するための条件生成モデルを提案する。心臓解剖学の大規模横断データセットを用いてモデルを訓練し,横断データセットと縦データセットの両方で評価する。
論文参考訳（メタデータ） (2022-08-28T06:14:39Z)
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)
Imposing Temporal Consistency on Deep Monocular Body Shape and Pose Estimation [67.23327074124855]
本稿では,適合過程における時間的制約の統合に対するエレガントな解法を提案する。我々は、顎ポーズ、表情、指ポーズを含む人物の形状と動きを表す一連の身体モデルのパラメーターを導出する。本手法は,表情や手話を含む画像系列からリアルな3次元体モデルの導出を可能にする。
論文参考訳（メタデータ） (2022-02-07T11:11:55Z)
Joint data imputation and mechanistic modelling for simulating heart-brain interactions in incomplete datasets [5.178090215294132]
本稿では, 心血管機構モデルを用いた共同心臓データ計算とパーソナライズのための確率的枠組みを提案する。本手法は, 利用可能な特徴量から, 心臓情報の計算モデルを用いて, 共同推論を行うための変動的枠組みに基づくものである。本モデルは,最小限の心情報を含むデータセットにおいて,欠落した心機能の正確な計算を可能にすることを示す。
論文参考訳（メタデータ） (2020-10-02T15:31:36Z)
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。