論文の概要: MCM: Mamba-based Cardiac Motion Tracking using Sequential Images in MRI

• arxiv url: http://arxiv.org/abs/2507.17678v1
• Date: Wed, 23 Jul 2025 16:40:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:15.088876
• Title: MCM: Mamba-based Cardiac Motion Tracking using Sequential Images in MRI
• Title（参考訳）: MCM:MRIにおける逐次画像を用いたマンバ型心臓運動追跡
• Authors: Jiahui Yin, Xinxing Cheng, Jinming Duan, Yan Pang, Declan O'Regan, Hadrien Reynaud, Qingjie Meng,
• Abstract要約: 心機能評価や心血管疾患の診断には心筋運動追跡が重要である。 多くの既存手法では、心臓循環から基準フレームとランダムに選択されたターゲットフレームからなる単一の画像対から動きを学習する。 本稿では,マンバをベースとした心臓運動追跡ネットワーク(MCM)を提案する。
• 参考スコア（独自算出の注目度）: 5.534557831834127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Myocardial motion tracking is important for assessing cardiac function and diagnosing cardiovascular diseases, for which cine cardiac magnetic resonance (CMR) has been established as the gold standard imaging modality. Many existing methods learn motion from single image pairs consisting of a reference frame and a randomly selected target frame from the cardiac cycle. However, these methods overlook the continuous nature of cardiac motion and often yield inconsistent and non-smooth motion estimations. In this work, we propose a novel Mamba-based cardiac motion tracking network (MCM) that explicitly incorporates target image sequence from the cardiac cycle to achieve smooth and temporally consistent motion tracking. By developing a bi-directional Mamba block equipped with a bi-directional scanning mechanism, our method facilitates the estimation of plausible deformation fields. With our proposed motion decoder that integrates motion information from frames adjacent to the target frame, our method further enhances temporal coherence. Moreover, by taking advantage of Mamba's structured state-space formulation, the proposed method learns the continuous dynamics of the myocardium from sequential images without increasing computational complexity. We evaluate the proposed method on two public datasets. The experimental results demonstrate that the proposed method quantitatively and qualitatively outperforms both conventional and state-of-the-art learning-based cardiac motion tracking methods. The code is available at https://github.com/yjh-0104/MCM.
• Abstract（参考訳）: 心筋運動追跡は心機能評価や心血管疾患の診断に重要であり,心臓磁気共鳴(CMR)をゴールド・スタンダード・イメージング・モダリティとして確立している。 多くの既存手法では、心臓循環から基準フレームとランダムに選択されたターゲットフレームからなる単一の画像対から動きを学習する。 しかし、これらの手法は心臓運動の連続的な性質を見落とし、しばしば不整合および非平滑な運動推定をもたらす。 本研究では,マンバをベースとした心臓運動追跡ネットワーク(MCM)を提案する。 双方向走査機構を備えた双方向マンバブロックの開発により, 可塑性変形場の推定を容易にする。 対象フレームに隣接するフレームからの動作情報を統合した動作復号器を提案することにより,時間的コヒーレンスをさらに強化する。 さらに,マンバの構造的状態空間の定式化を利用して,計算複雑性を増大させることなく逐次画像から心筋の連続力学を学習する。 提案手法を2つの公開データセット上で評価する。 実験結果から,本手法は従来型と最先端の学習型心運動追跡法の両方で定量的に,定性的に優れていることが示された。 コードはhttps://github.com/yjh-0104/MCMで入手できる。

関連論文リスト

• Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
  ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
  論文  参考訳（メタデータ） (2025-07-25T11:12:21Z)
• 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)
• 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)
• Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
  カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。 本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:11:21Z)
• Bidirectional Recurrence for Cardiac Motion Tracking with Gaussian Process Latent Coding [9.263168872795843]
  GPTrackは、心臓運動の時間的および空間的ダイナミクスを探求するために作られた、教師なしのフレームワークである。 逐次ガウス過程を潜時空間で利用し、各時刻スタンプにおける空間情報による統計を符号化することにより、モーショントラッキングを強化する。 GPTrackは,3次元および4次元の医用画像における運動追跡の精度を,計算効率を保ちながら向上させる。
  論文  参考訳（メタデータ） (2024-10-28T05:33:48Z)
• Highly efficient non-rigid registration in k-space with application to cardiac Magnetic Resonance Imaging [10.618048010632728]
  非剛性動作推定のためのローカル・オール・パス・アテンション・ネットワーク(LAPANet)と呼ばれる,自己教師型深層学習に基づく新しいフレームワークを提案する。 LAPANetは,種々のサンプリング軌跡と加速度速度で心運動推定を行った。 非剛性運動に対する高時間分解能(5ミリ秒未満)は、動的およびリアルタイムMRIアプリケーションにおける動きの検出、追跡、修正のための新しい道を開く。
  論文  参考訳（メタデータ） (2024-10-24T15:19:59Z)
• LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation [5.377722774297911]
  本稿では,標準CMRビデオから高精度なDENSE動作を予測するため,新しいラミネートモーション拡散モデル(LaMoD)を提案する。 実験の結果,提案手法であるLaMoDは標準CMR画像の動作解析の精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T12:54:32Z)
• 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)
• Motion Magnification in Robotic Sonography: Enabling Pulsation-Aware Artery Segmentation [44.868281669589194]
  スキャン中の動脈セグメンテーションの精度と安定性を改善するために,新しい脈動補助セグメンテーションニューラルネットワーク(PAS-NN)を提案する。 興味のある周波数帯域内の微妙な動きを増幅し、連続したUS画像から脈動信号を抽出するために、運動倍率技術を用いる。 抽出したリアルタイム脈動情報は、米国横断画像の動脈を見つけるのに役立つ。
  論文  参考訳（メタデータ） (2023-07-07T16:14:17Z)
• A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
  バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。 システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
  論文  参考訳（メタデータ） (2022-11-08T09:54:34Z)
• Mesh-based 3D Motion Tracking in Cardiac MRI using Deep Learning [11.177851736773823]
  心臓機能評価と心血管疾患の診断には, 心臓磁気共鳴(CMR)画像からの3次元運動推定が重要である。 従来の手法のほとんどは、フルイメージ空間における画素/ボクセルの運動場の推定に重点を置いていた。 本研究では、心臓を3次元幾何メッシュとしてモデル化し、2次元短軸CMR画像から心臓メッシュの3次元運動を推定できる新しいディープラーニングベースの手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T15:10:27Z)
• DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on Cardiac Tagging Magnetic Resonance Images [10.434681088538866]
  本研究では,t-MRI画像のin vivoモーショントラッキングのための深層学習に基づく完全監視手法を提案する。 本手法は代表的な臨床T-MRIデータセットで検証された。
  論文  参考訳（メタデータ） (2021-03-04T00:42:11Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)

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。