論文の概要: Personalized 4D Whole Heart Geometry Reconstruction from Cine MRI for Cardiac Digital Twins

• arxiv url: http://arxiv.org/abs/2507.15203v1
• Date: Mon, 21 Jul 2025 03:01:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.237188
• Title: Personalized 4D Whole Heart Geometry Reconstruction from Cine MRI for Cardiac Digital Twins
• Title（参考訳）: 心臓デジタル双生児に対するCine MRIによる4次元心磁図の個人化
• Authors: Xiaoyue Liu, Xicheng Sheng, Xiahai Zhuang, Vicente Grau, Mark YY Chan, Ching-Hui Sia, Lei Li,
• Abstract要約: マルチビュー2D心血管MRIから4D(3D+t)心筋メッシュを直接再構築する弱い教師付き学習モデルを提案する。 これは、シネMRIと4D心筋メッシュの自己教師付きマッピングを学習することで達成される。 結果として生じる4D心筋メッシュは、キー心臓変数の自動抽出を容易にする。
• 参考スコア（独自算出の注目度）: 19.569493255428334
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cardiac digital twins (CDTs) provide personalized in-silico cardiac representations and hold great potential for precision medicine in cardiology. However, whole-heart CDT models that simulate the full organ-scale electromechanics of all four heart chambers remain limited. In this work, we propose a weakly supervised learning model to reconstruct 4D (3D+t) heart mesh directly from multi-view 2D cardiac cine MRIs. This is achieved by learning a self-supervised mapping between cine MRIs and 4D cardiac meshes, enabling the generation of personalized heart models that closely correspond to input cine MRIs. The resulting 4D heart meshes can facilitate the automatic extraction of key cardiac variables, including ejection fraction and dynamic chamber volume changes with high temporal resolution. It demonstrates the feasibility of inferring personalized 4D heart models from cardiac MRIs, paving the way for an efficient CDT platform for precision medicine. The code will be publicly released once the manuscript is accepted.
• Abstract（参考訳）: 心臓デジタル双生児(CDT)は、心筋内をパーソナライズした表現を提供し、心臓医学における精密医療に大きな可能性を秘めている。 しかし、4つの心臓室の全臓器規模の電気力学をシミュレートするCDTモデルはまだ限られている。 本研究では,マルチビュー2D心血管MRIから直接4D(3D+t)心メッシュを再構築する弱い教師付き学習モデルを提案する。 これは、シネMRIと4D心筋メッシュの自己教師付きマッピングを学習することで実現され、入力シネMRIと密接に対応するパーソナライズされた心臓モデルの生成を可能にする。 結果として生じる4D心筋メッシュは、高時間分解能で放出率やダイナミックチェンバー体積の変化を含む主要な心臓変数の自動抽出を容易にする。 これは、心臓MRIからパーソナライズされた4D心臓モデルを推定し、高精度医療のための効率的なCDTプラットフォームを構築する可能性を示している。 コードは、原稿が受け入れられたら、公開されます。

関連論文リスト

• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• Cardiac Digital Twins at Scale from MRI: Open Tools and Representative Models from ~55000 UK Biobank Participants [2.185405350260057]
  心臓デジタル双生児は、心臓血管疾患のスクリーニング、診断、予後、リスクアセスメント、治療計画のための患者の心臓の仮想レプリカである。 大規模な心臓デジタル双生児の生成は要求されており、人口統計群全体にわたるモデルの公開リポジトリは存在しない。 心臓血管磁気共鳴画像から患者固有の左室メッシュと右室メッシュを作成するための,オープンソースの自動パイプラインについて述べる。
  論文  参考訳（メタデータ） (2025-05-27T10:52:52Z)
• 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)
• Personalized Topology-Informed Localization of Standard 12-Lead ECG Electrode Placement from Incomplete Cardiac MRIs for Efficient Cardiac Digital Twins [7.498717391168965]
  そこで本研究では,心電図の標準電極位置を2次元心筋MRIから抽出する新しいモデルを提案する。 具体的には、心筋MRIからスパース輪郭を取得し、12個の心電図の標準電極を輪郭から局在させる。 実験の結果,提案手法は従来のモデル投影法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2024-08-25T21:49:10Z)
• CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [40.11088079783521]
  CMRxRecon2024データセットは、最も大きく、最もプロトカルなディバースで公開されている心臓k空間データセットである。 健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
  論文  参考訳（メタデータ） (2024-06-27T09:50:20Z)
• Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
  心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。 本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。 中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。 実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
  論文  参考訳（メタデータ） (2024-06-19T02:42:29Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• 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)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• 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)
• 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)
• CNN-based Cardiac Motion Extraction to Generate Deformable Geometric Left Ventricle Myocardial Models from Cine MRI [0.0]
  Cine心MR画像からLV心筋の患者特異的幾何モデルの開発のための枠組みを提案する。 我々はvoxelmorph-based convolutional neural network (cnn) を用いて、心周期の次のフレームにエンドダイアゾールフレームの等表面メッシュとボリュームメッシュを伝搬する。
  論文  参考訳（メタデータ） (2021-03-30T21:34:29Z)

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。