論文の概要: EnLVAM: Enhanced Left Ventricle Linear Measurements Utilizing Anatomical Motion Mode

• arxiv url: http://arxiv.org/abs/2506.22063v1
• Date: Fri, 27 Jun 2025 09:57:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.160898
• Title: EnLVAM: Enhanced Left Ventricle Linear Measurements Utilizing Anatomical Motion Mode
• Title（参考訳）: EnLVAM:解剖学的運動モードを利用した左室リニア計測
• Authors: Durgesh K. Singh, Ahcene Boubekki, Qing Cao, Svein Arne Aase, Robert Jenssen, Michael Kampffmeyer,
• Abstract要約: 本稿では,左室(LV)測定の精度を直線的制約によって向上する新しい枠組みを提案する。 ランドマーク検出器は解剖学的Mモード(AMM)画像に基づいて訓練され、Bモードビデオからリアルタイムで計算され、Bモード空間に変換される。 実験により、標準的なBモード法よりも精度が向上し、ネットワークアーキテクチャ全体にわたってフレームワークが一般化された。
• 参考スコア（独自算出の注目度）: 15.092695034380457
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Linear measurements of the left ventricle (LV) in the Parasternal Long Axis (PLAX) view using B-mode echocardiography are crucial for cardiac assessment. These involve placing 4-6 landmarks along a virtual scanline (SL) perpendicular to the LV axis near the mitral valve tips. Manual placement is time-consuming and error-prone, while existing deep learning methods often misalign landmarks, causing inaccurate measurements. We propose a novel framework that enhances LV measurement accuracy by enforcing straight-line constraints. A landmark detector is trained on Anatomical M-Mode (AMM) images, computed in real time from B-mode videos, then transformed back to B-mode space. This approach addresses misalignment and reduces measurement errors. Experiments show improved accuracy over standard B-mode methods, and the framework generalizes well across network architectures. Our semi-automatic design includes a human-in-the-loop step where the user only places the SL, simplifying interaction while preserving alignment flexibility and clinical relevance.
• Abstract（参考訳）: Bモード心エコー図による左室左室(LV)の経時的評価は心的評価に不可欠である。 これらは、僧帽弁の先端付近のLV軸に垂直な仮想走査線(SL)に沿って4-6個のランドマークを配置することを含む。 手動の配置は時間がかかり、エラーが発生しやすいが、既存のディープラーニング手法ではランドマークを誤認することが多く、不正確な測定を引き起こしている。 直線制約を強制することによってLV測定精度を向上させる新しいフレームワークを提案する。 ランドマーク検出器は解剖学的Mモード(AMM)画像に基づいて訓練され、Bモードビデオからリアルタイムで計算され、Bモード空間に変換される。 このアプローチでは, 誤りに対処し, 測定誤差を低減する。 実験により、標準的なBモード法よりも精度が向上し、ネットワークアーキテクチャ全体にわたってフレームワークが一般化された。 我々の半自動設計は、ユーザがSLを配置するだけで、アライメントの柔軟性と臨床関連性を保ちながら、インタラクションを簡素化する、ループ内のヒューマンステップを含む。

関連論文リスト

• Automatic Left Ventricular Cavity Segmentation via Deep Spatial Sequential Network in 4D Computed Tomography Studies [20.358413194053103]
  心電図を自動分割する新しい手法を提案する。 空間シーケンシャル(SS)ネットワークを導入し,LVCの変形特性と運動特性を教師なしで学習する。 心電図(CT)データセットを用いて,双方向学習法(SS-BL)を用いたネットワークが従来のLCVセグメンテーション法より優れていたことを実証した。
  論文  参考訳（メタデータ） (2024-12-17T12:29:32Z)
• Continuous max-flow augmentation of self-supervised few-shot learning on SPECT left ventricles [0.0]
  本研究の目的は, 診断センターとクリニックが, 小型・低品質のSPECTラベルに基づいて自動的に心筋のセグメンテーションを行うためのレシピを提供することである。 SPECT装置の様々な領域における3次元U-Net自己教師学習(SSL)アプローチを強化するために,CMF(Continuous Max-Flow)と事前形状情報の組み合わせを開発した。
  論文  参考訳（メタデータ） (2024-05-09T03:19:19Z)
• W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
  モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。 W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。 また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-29T09:02:07Z)
• 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)
• SimLVSeg: Simplifying Left Ventricular Segmentation in 2D+Time Echocardiograms with Self- and Weakly-Supervised Learning [0.8672882547905405]
  狭義の心エコービデオから一貫した左室(LV)セグメンテーションを行うビデオベースネットワークであるSimLVSegを開発した。 SimLVSegは、時間的マスキングによる自己教師付き事前トレーニングと、スパースアノテーションからのLVセグメンテーションに適した弱い教師付き学習で構成されている。 我々は、SimLVSegが、最大の2D+時間心エコー画像データセットで93.32%のダイススコアを達成して、最先端のソリューションをいかに優れているかを実証する。
  論文  参考訳（メタデータ） (2023-09-30T18:13:41Z)
• Real-time Automatic M-mode Echocardiography Measurement with Panel Attention from Local-to-Global Pixels [8.745381510003666]
  運動モード(Mモード)記録は、心臓の寸法と機能を測定するための心エコー検査の不可欠な部分である。 一定の結果を保証する自動化を構築するためのオープンデータセットは存在しない。 現在,Mモード心エコー図による経時的手指ラベリングが検討されている。
  論文  参考訳（メタデータ） (2023-08-15T11:50:57Z)
• Meta-Learning Adversarial Bandit Algorithms [55.72892209124227]
  我々は,バンディットフィードバックを用いたオンラインメタラーニングについて研究する。 我々は自己協和障壁正規化器を用いてオンラインミラー降下一般化(OMD)をチューニングすることを学ぶ。
  論文  参考訳（メタデータ） (2023-07-05T13:52:10Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Hybrid calibration procedure for fringe projection profilometry based on stereo-vision and polynomial fitting [4.291718205405102]
  フランジ射影プロファイロメトリー(FPP)における正確な3次元形状測定の鍵は、測定システムの適切な校正である。 現在の校正技術は位相座標マッピング(PCM)や後方投影ステレオビジョン(SV)方式に依存している。 そこで本研究では,PCM法によるSVキャリブレーション手法を利用したハイブリッドキャリブレーション手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T14:25:03Z)

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。