論文の概要: Echo-DND: A dual noise diffusion model for robust and precise left ventricle segmentation in echocardiography

• arxiv url: http://arxiv.org/abs/2506.15166v1
• Date: Wed, 18 Jun 2025 06:27:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.558589
• Title: Echo-DND: A dual noise diffusion model for robust and precise left ventricle segmentation in echocardiography
• Title（参考訳）: エコー-DND:心エコー図における頑健かつ正確な左室分画のための二重ノイズ拡散モデル
• Authors: Abdur Rahman, Keerthiveena Balraj, Manojkumar Ramteke, Anurag Singh Rathore,
• Abstract要約: 本稿では,心エコー区分けのための新しい二重雑音拡散モデルであるEcho-DNDを紹介する。 モデルのパフォーマンスは、CAMUSとEchoNet-Dynamicデータセットで厳格に検証された。 これらのデータセットでそれぞれ0.962と0.939の高Diceスコアを達成する。
• 参考スコア（独自算出の注目度）: 0.6749750044497732
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advancements in diffusion probabilistic models (DPMs) have revolutionized image processing, demonstrating significant potential in medical applications. Accurate segmentation of the left ventricle (LV) in echocardiograms is crucial for diagnostic procedures and necessary treatments. However, ultrasound images are notoriously noisy with low contrast and ambiguous LV boundaries, thereby complicating the segmentation process. To address these challenges, this paper introduces Echo-DND, a novel dual-noise diffusion model specifically designed for this task. Echo-DND leverages a unique combination of Gaussian and Bernoulli noises. It also incorporates a multi-scale fusion conditioning module to improve segmentation precision. Furthermore, it utilizes spatial coherence calibration to maintain spatial integrity in segmentation masks. The model's performance was rigorously validated on the CAMUS and EchoNet-Dynamic datasets. Extensive evaluations demonstrate that the proposed framework outperforms existing SOTA models. It achieves high Dice scores of 0.962 and 0.939 on these datasets, respectively. The proposed Echo-DND model establishes a new standard in echocardiogram segmentation, and its architecture holds promise for broader applicability in other medical imaging tasks, potentially improving diagnostic accuracy across various medical domains. Project page: https://abdur75648.github.io/Echo-DND
• Abstract（参考訳）: 拡散確率モデル(DPM)の最近の進歩は画像処理に革命をもたらし、医療応用において大きな可能性を秘めている。 心エコー図における左室 (LV) の正確なセグメンテーションは, 診断と治療に不可欠である。 しかし、超音波画像は低コントラストと曖昧なLV境界にうるさいことで悪名高いため、セグメンテーションプロセスは複雑である。 これらの課題に対処するために,本稿では,この課題に特化して設計された新しい二重雑音拡散モデルであるEcho-DNDを紹介する。 Echo-DNDはガウスノイズとベルヌーイノイズのユニークな組み合わせを利用する。 セグメンテーション精度を向上させるために、マルチスケールの核融合条件モジュールも組み込まれている。 さらに、空間コヒーレンス校正を利用して、セグメンテーションマスクにおける空間整合性を維持する。 モデルのパフォーマンスは、CAMUSとEchoNet-Dynamicデータセットで厳格に検証された。 大規模な評価は、提案フレームワークが既存のSOTAモデルより優れていることを示している。 これらのデータセットでそれぞれ0.962と0.939の高Diceスコアを達成する。 提案したEcho-DNDモデルは、エコー心エコーのセグメンテーションにおける新しい標準を確立し、そのアーキテクチャは、他の医療画像タスクに広く適用可能であることを約束し、様々な医療領域における診断精度を向上する可能性がある。 プロジェクトページ:https://abdur75648.github.io/Echo-DND

関連論文リスト

• Multi-Scale Feature Fusion with Image-Driven Spatial Integration for Left Atrium Segmentation from Cardiac MRI Images [0.0]
  本稿では,DINOv2をエンコーダとしてUNetスタイルのデコーダと統合するフレームワークを提案する。 LAScarQS 2022データセットに対する我々のアプローチを検証するとともに、92.3%のDiceと84.1%のIoUスコアで巨大なアーキテクチャの性能向上を実証した。
  論文  参考訳（メタデータ） (2025-02-10T16:12:46Z)
• Motion-enhancement to Echocardiography Segmentation via Inserting a Temporal Attention Module: An Efficient, Adaptable, and Scalable Approach [4.923733944174007]
  本稿では,時間的アテンションモジュールが複数回の特徴的相互作用を抽出する,新しい計算効率の代替手法を提案する。 このモジュールは、既存のCNNやTransformerベースのネットワークにシームレスに統合できる。 この結果から,TAMの堅牢性,スケーラビリティ,多種多様なデータセットとバックボーン間の一般化性が確認された。
  論文  参考訳（メタデータ） (2025-01-24T21:35:24Z)
• Training-Free Condition Video Diffusion Models for single frame Spatial-Semantic Echocardiogram Synthesis [0.16874375111244325]
  条件付きビデオ拡散モデル(CDM)はビデオ合成に有望な結果を示した。 本稿では,1つの終端セグメントマップからリアルな心エコー画像を生成するFree-Echoという新しい手法を提案する。 我々のモデルでは,入力セグメンテーションマップに空間的に整合したプラウシブル心エコー図を作成でき,トレーニングベースのCDMに匹敵する性能を達成できる。
  論文  参考訳（メタデータ） (2024-08-06T08:31:34Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Echocardiography Segmentation Using Neural ODE-based Diffeomorphic Registration Field [0.0]
  本稿ではニューラル常微分方程式(ニューラルODE)を用いた新しい拡散画像登録法を提案する。 提案手法であるEcho-ODEでは,従来の最先端技術と比較して,いくつかの改良が加えられている。 その結果,本手法は過去の最先端技術よりも多面的に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-16T08:37:27Z)
• 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)

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。