Fugu-MT 論文翻訳(概要): 3D Heart Reconstruction from Sparse Pose-agnostic 2D Echocardiographic Slices

論文の概要: 3D Heart Reconstruction from Sparse Pose-agnostic 2D Echocardiographic Slices

arxiv url: http://arxiv.org/abs/2507.02411v1
Date: Thu, 03 Jul 2025 08:13:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-04 15:37:15.890115
Title: 3D Heart Reconstruction from Sparse Pose-agnostic 2D Echocardiographic Slices
Title（参考訳）: Sparse Pose-Agnostic 2D Echocardiographyスライスによる3次元心臓再建
Authors: Zhurong Chen, Jinhua Chen, Wei Zhuo, Wufeng Xue, Dong Ni,
Abstract要約: 2次元エコースライスからパーソナライズされた3次元心臓解剖を再構築するための革新的な枠組みを提案する。 6面の平面を用いると、再構成された3次元心臓は、LV体積推定に大きな改善をもたらす可能性がある。本研究は、心臓超音波によるパーソナライズされた3次元構造と機能解析のための新しい方法を提供する。
参考スコア（独自算出の注目度）: 6.275809518974307
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Echocardiography (echo) plays an indispensable role in the clinical practice of heart diseases. However, ultrasound imaging typically provides only two-dimensional (2D) cross-sectional images from a few specific views, making it challenging to interpret and inaccurate for estimation of clinical parameters like the volume of left ventricle (LV). 3D ultrasound imaging provides an alternative for 3D quantification, but is still limited by the low spatial and temporal resolution and the highly demanding manual delineation. To address these challenges, we propose an innovative framework for reconstructing personalized 3D heart anatomy from 2D echo slices that are frequently used in clinical practice. Specifically, a novel 3D reconstruction pipeline is designed, which alternatively optimizes between the 3D pose estimation of these 2D slices and the 3D integration of these slices using an implicit neural network, progressively transforming a prior 3D heart shape into a personalized 3D heart model. We validate the method with two datasets. When six planes are used, the reconstructed 3D heart can lead to a significant improvement for LV volume estimation over the bi-plane method (error in percent: 1.98\% VS. 20.24\%). In addition, the whole reconstruction framework makes even an important breakthrough that can estimate RV volume from 2D echo slices (with an error of 5.75\% ). This study provides a new way for personalized 3D structure and function analysis from cardiac ultrasound and is of great potential in clinical practice.
Abstract（参考訳）: 心エコー検査(echo)は、心臓疾患の臨床的実践において欠かせない役割を担っている。しかし、超音波画像は通常、いくつかの特定の視点から2次元(2次元)の断面画像しか提供しないため、左室の容積(LV)のような臨床パラメータの解釈と不正確な推定が困難である。 3次元超音波イメージングは3次元定量化の代替手段であるが、低空間分解能と高要求のマニュアルデライン化によって制限されている。これらの課題に対処するために,臨床で頻繁に用いられる2次元エコースライスからパーソナライズされた3次元心臓解剖を再構築するための革新的な枠組みを提案する。具体的には、これらの2Dスライスの3Dポーズ推定と、暗黙のニューラルネットワークを用いてこれらのスライスの3D統合を最適化し、従来の3D心臓形状をパーソナライズされた3D心臓モデルに段階的に変換する新しい3D再構築パイプラインを設計する。提案手法を2つのデータセットで検証する。 6つの平面を使用すると、再構成された3D心臓は複平面法よりもLV容積推定が大幅に改善される(エラーは1.98\% VS. 20.24\%)。さらに、再構築フレームワーク全体が重要なブレークスルーを行い、2次元エコースライスからRVボリュームを推定できる(エラーは5.75\%)。本研究は, 心臓超音波によるパーソナライズされた3次元構造と機能解析のための新しい方法を提供し, 臨床応用に大きな可能性を秘めている。

関連論文リスト

S2MNet: Speckle-To-Mesh Net for Three-Dimensional Cardiac Morphology Reconstruction via Echocardiogram [8.28431711854234]
ほとんどの臨床心エコー図は2次元像のみを提供し、3次元の心臓解剖と機能を完全に評価する能力を制限する。本研究では,日常的に取得した2次元心エコー図の6つのスライスを統合することで,連続的かつ高忠実な3次元心臓モデルを再構築する深層学習フレームワークS2MNetを提案する。
論文参考訳（メタデータ） (2025-05-09T14:56:48Z)
MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
論文参考訳（メタデータ） (2024-12-03T17:18:33Z)
DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks [1.3812010983144802]
本稿では,DuoLift Generative Adversarial Networks (DuoLift-GAN)を紹介する。これらの3D出力は統合された3D特徴マップにマージされ、完全な3D胸部ボリュームにデコードされ、よりリッチな3D情報キャプチャを可能にする。
論文参考訳（メタデータ） (2024-11-12T17:11:18Z)
Structure-aware World Model for Probe Guidance via Large-scale Self-supervised Pre-train [66.35766658717205]
心エコー法を成功させるには、二次元平面上の構造と三次元空間における平面間の空間的関係を徹底的に理解する必要がある。心構造を意識した世界モデルを取得するための,大規模自己指導型事前学習手法を提案する。
論文参考訳（メタデータ） (2024-06-28T08:54:44Z)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
Efficient Pix2Vox++ for 3D Cardiac Reconstruction from 2D echo views [0.6524460254566904]
3Dで心臓解剖を再構築することで、新しいバイオマーカーの発見が可能になる。ほとんどの超音波システムは2Dイメージング機能しか持たない。本稿では,2次元標準心磁図から3次元解剖の再構築を行うパイプラインを提案する。
論文参考訳（メタデータ） (2022-07-27T10:05:46Z)
DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction via A Structure-Specific Generative Method [12.26150675728958]
本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
論文参考訳（メタデータ） (2022-06-14T20:46:11Z)
3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文参考訳（メタデータ） (2021-10-14T23:05:47Z)
3D-to-2D Distillation for Indoor Scene Parsing [78.36781565047656]
大規模3次元データリポジトリから抽出した3次元特徴を有効活用し,RGB画像から抽出した2次元特徴を向上する手法を提案する。まず,事前学習した3Dネットワークから3D知識を抽出して2Dネットワークを監督し,トレーニング中の2D特徴からシミュレーションされた3D特徴を学習する。次に,2次元の正規化方式を設計し,2次元特徴と3次元特徴のキャリブレーションを行った。第3に,非ペアの3dデータを用いたトレーニングのフレームワークを拡張するために,意味を意識した対向的トレーニングモデルを設計した。
論文参考訳（メタデータ） (2021-04-06T02:22:24Z)

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。