Fugu-MT 論文翻訳(概要): Systole-Conditioned Generative Cardiac Motion

論文の概要: Systole-Conditioned Generative Cardiac Motion

arxiv url: http://arxiv.org/abs/2507.15894v1
Date: Sun, 20 Jul 2025 14:44:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-23 21:34:13.795394
Title: Systole-Conditioned Generative Cardiac Motion
Title（参考訳）: シストルを付加した生成心臓運動
Authors: Shahar Zuler, Gal Lifshitz, Hadar Averbuch-Elor, Dan Raviv,
Abstract要約: 本研究では,高密度な3次元フローフィールドアノテーションを付加した心肺CTフレームを現実的に合成する手法を提案する。本手法は,新しいマルチスケール特徴条件付け機構を組み込んだ条件付き変分オートエンコーダ(CVAE)を利用する。我々のデータ生成パイプラインは、より複雑で正確な心筋運動モデルのトレーニングと検証を可能にします。
参考スコア（独自算出の注目度）: 14.94166259218979
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate motion estimation in cardiac computed tomography (CT) imaging is critical for assessing cardiac function and surgical planning. Data-driven methods have become the standard approach for dense motion estimation, but they rely on vast amounts of labeled data with dense ground-truth (GT) motion annotations, which are often unfeasible to obtain. To address this limitation, we present a novel approach that synthesizes realistically looking pairs of cardiac CT frames enriched with dense 3D flow field annotations. Our method leverages a conditional Variational Autoencoder (CVAE), which incorporates a novel multi-scale feature conditioning mechanism and is trained to generate 3D flow fields conditioned on a single CT frame. By applying the generated flow field to warp the given frame, we create pairs of frames that simulate realistic myocardium deformations across the cardiac cycle. These pairs serve as fully annotated data samples, providing optical flow GT annotations. Our data generation pipeline could enable the training and validation of more complex and accurate myocardium motion models, allowing for substantially reducing reliance on manual annotations. Our code, along with animated generated samples and additional material, is available on our project page: https://shaharzuler.github.io/GenerativeCardiacMotion_Page.
Abstract（参考訳）: 心電図(CT)画像における正確な運動推定は,心機能評価と手術計画に重要である。データ駆動の手法は、高密度な動き推定の標準的なアプローチとなっているが、高密度なグラウンドトルース(GT)モーションアノテーションを持つ大量のラベル付きデータに依存しており、しばしば入手できない。この制限に対処するため,高密度な3次元フローフィールドアノテーションを付加した心肺CTフレームを現実的に合成する手法を提案する。本手法は,新しいマルチスケール特徴条件付け機構を組み込んだ条件付き変分オートエンコーダ(CVAE)を利用して,単一のCTフレーム上に3次元流れ場を生成する。生成された流れ場を用いて所定のフレームをワープし、心臓循環全体にわたるリアル心筋の変形をシミュレートする一対のフレームを作成する。これらのペアは完全な注釈付きデータサンプルとして機能し、光学フローGTアノテーションを提供する。私たちのデータ生成パイプラインは、より複雑で正確な心筋運動モデルのトレーニングと検証を可能にし、手動アノテーションへの依存を大幅に減らすことができます。私たちのコードは、アニメーション生成されたサンプルと追加の材料とともに、プロジェクトのページで利用可能です。

関連論文リスト

Dyna3DGR: 4D Cardiac Motion Tracking with Dynamic 3D Gaussian Representation [23.163504377816043]
本研究では,明示的な3次元ガウス表現と暗黙的な神経運動場モデリングを組み合わせた新しいフレームワークである動的3次元ガウス表現(Dyna3DGR)を提案する。本手法は心構造と運動を同時に自己監督的に最適化し,広範囲なトレーニングデータやポイント・ツー・ポイント対応の必要性を解消する。
論文参考訳（メタデータ） (2025-07-22T14:06:50Z)
ClipGS: Clippable Gaussian Splatting for Interactive Cinematic Visualization of Volumetric Medical Data [51.095474325541794]
医用データのインタラクティブなシネマティック可視化のためのクリッピングプレーンを備えた革新的なガウススプレイティングフレームワークであるClipGSを紹介した。本手法を5つのボリューム医療データで検証し,平均36.635 PSNRレンダリング品質を156 FPS,16.1MBモデルサイズで達成した。
論文参考訳（メタデータ） (2025-07-09T08:24:28Z)
EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
論文参考訳（メタデータ） (2025-04-17T16:19:05Z)
FCaS: Fine-grained Cardiac Image Synthesis based on 3D Template Conditional Diffusion Model [23.9686884119236]
本稿では,3次元テンプレート条件付き拡散モデル上に構築された細粒度心臓画像合成フレームワークを提案する。 FCaSはテンプレート誘導条件拡散モデル(TCDM)を用いた正確な心構造生成を実現する本稿では,不正確な合成画像による混乱を軽減するために,信頼を意識した適応学習(CAL)戦略を提案する。
論文参考訳（メタデータ） (2025-03-12T17:25:09Z)
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)
Explainable and Controllable Motion Curve Guided Cardiac Ultrasound Video Generation [11.879436948659691]
心エコー画像生成のための説明可能かつ制御可能な手法を提案する。まず,各心部分構造から運動情報を抽出し,運動曲線を構築する。第2に,動作曲線に意味的特徴をマッピングできる構造間アライメントモジュールを提案する。第三に、位置認識型アテンション機構は、構造的位置情報を持つガウスマスクを用いて、映像の一貫性を高めるように設計されている。
論文参考訳（メタデータ） (2024-07-31T09:59:20Z)
CardioSpectrum: Comprehensive Myocardium Motion Analysis with 3D Deep Learning and Geometric Insights [6.415915756409993]
従来のニューラルネットワークは微妙な接尾辞の動きを予測するのが難しい。この問題に対処するための包括的アプローチを提案する。私たちの3Dディープラーニングアーキテクチャは、ARFlowモデルに基づいて、複雑な3Dモーション分析タスクに最適化されています。
論文参考訳（メタデータ） (2024-07-04T09:57:44Z)
Motion-Aware Video Frame Interpolation [49.49668436390514]
我々は、連続するフレームから中間光の流れを直接推定する動き対応ビデオフレーム補間(MA-VFI)ネットワークを導入する。受容場が異なる入力フレームからグローバルな意味関係と空間的詳細を抽出するだけでなく、必要な計算コストと複雑さを効果的に削減する。
論文参考訳（メタデータ） (2024-02-05T11:00:14Z)
Generative Myocardial Motion Tracking via Latent Space Exploration with Biomechanics-informed Prior [16.129107206314043]
心筋運動と変形は、心臓機能を特徴づける豊富な記述子である。画像登録は、心筋運動追跡において最も一般的に用いられる手法であり、不適切な逆問題である。本稿では,アプリケーション固有のバイオメカニクスを前もって暗黙的に学習する手法を提案する。
論文参考訳（メタデータ） (2022-06-08T12:02:00Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文参考訳（メタデータ） (2020-09-01T19:17:46Z)

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。