論文の概要: Think as Cardiac Sonographers: Marrying SAM with Left Ventricular Indicators Measurements According to Clinical Guidelines

• arxiv url: http://arxiv.org/abs/2508.08566v1
• Date: Tue, 12 Aug 2025 02:09:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.275812
• Title: Think as Cardiac Sonographers: Marrying SAM with Left Ventricular Indicators Measurements According to Clinical Guidelines
• Title（参考訳）: 心臓超音波検査医として考える:臨床ガイドラインによるSAMと左室インジケーター測定との結婚
• Authors: Tuo Liu, Qinghan Yang, Yu Zhang, Rongjun Ge, Yang Chen, Guangquan Zhou,
• Abstract要約: 心血管疾患の診断には左室(LV)測定が重要である。 ビジョンファインダオプションモデル(VFM)を豊富な知識で導入する必要がある。 本稿では,SAMの強力な視覚的理解とセグメンテーションとランドマークローカライゼーションタスクを同時に組み合わせたAutoSAMEという新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.334018181732022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Left ventricular (LV) indicator measurements following clinical echocardiog-raphy guidelines are important for diagnosing cardiovascular disease. Alt-hough existing algorithms have explored automated LV quantification, they can struggle to capture generic visual representations due to the normally small training datasets. Therefore, it is necessary to introduce vision founda-tional models (VFM) with abundant knowledge. However, VFMs represented by the segment anything model (SAM) are usually suitable for segmentation but incapable of identifying key anatomical points, which are critical in LV indicator measurements. In this paper, we propose a novel framework named AutoSAME, combining the powerful visual understanding of SAM with seg-mentation and landmark localization tasks simultaneously. Consequently, the framework mimics the operation of cardiac sonographers, achieving LV indi-cator measurements consistent with clinical guidelines. We further present fil-tered cross-branch attention (FCBA) in AutoSAME, which leverages relatively comprehensive features in the segmentation to enhance the heatmap regression (HR) of key points from the frequency domain perspective, optimizing the vis-ual representation learned by the latter. Moreover, we propose spatial-guided prompt alignment (SGPA) to automatically generate prompt embeddings guid-ed by spatial properties of LV, thereby improving the accuracy of dense pre-dictions by prior spatial knowledge. The extensive experiments on an echocar-diography dataset demonstrate the efficiency of each design and the superiori-ty of our AutoSAME in LV segmentation, landmark localization, and indicator measurements. The code will be available at https://github.com/QC-LIU-1997/AutoSAME.
• Abstract（参考訳）: 心血管疾患の診断には左室(LV)測定が重要である。 既存のアルゴリズムでは、LVの自動定量化が検討されているため、通常は小さなトレーニングデータセットのため、一般的な視覚的表現を捉えるのに苦労する可能性がある。 したがって、知識の豊富な視覚ファインダ・オプションモデル(VFM)を導入する必要がある。 しかしながら、セグメンテーションモデル(SAM)で表されるVFMは、通常セグメンテーションに適しているが、LVインジケータ測定において重要な重要な解剖学的点を特定することができない。 本稿では,SAMの強力な視覚的理解とセグメンテーションとランドマークローカライゼーションタスクを同時に組み合わせた,AutoSAMEという新しいフレームワークを提案する。 その結果、このフレームワークは心臓超音波検査者の手術を模倣し、臨床ガイドラインと整合したLVインディケータ測定を実現した。 さらに、セグメント化における比較的包括的な特徴を活用し、周波数領域の観点からキーポイントのヒートマップ回帰(HR)を強化し、後者が学習したvis-ual表現を最適化する、FCBA(fil-tered cross-branch attention)をAutoSAMEに提示する。 さらに,LVの空間特性によって誘導される即時埋め込みを自動生成する空間誘導型プロンプトアライメント(SGPA)を提案する。 エコーカー・ディモグラフィーデータセットに関する広範な実験は、LVセグメンテーション、ランドマークの局所化、インジケータ測定において、それぞれの設計の効率とAutoSAMEの優位性を実証している。 コードはhttps://github.com/QC-LIU-1997/AutoSAMEで入手できる。

関連論文リスト

• 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)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• 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)
• 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)
• Light-weight spatio-temporal graphs for segmentation and ejection fraction prediction in cardiac ultrasound [5.597394612661975]
  本研究では,左心室分画予測と左心室分画のためのEchoGraphsという自動手法を提案する。 キーポイントの検出には、GCN(Graph Conal Networks)に基づく直接座標回帰モデルを用いる。 セマンティックセグメンテーションと比較すると、GCNは正確なセグメンテーションと堅牢性と推論ランタイムの改善を示している。
  論文  参考訳（メタデータ） (2022-07-06T10:03:44Z)
• 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)
• Training Automatic View Planner for Cardiac MR Imaging via Self-Supervision by Spatial Relationship between Views [28.27778627797572]
  本研究は, 自動心磁気共鳴画像診断のためのクリニック互換でアノテーションのないシステムを提案する。 このシステムは、ソースビューとターゲットビューの間の空間的関係(具体的には、交差する線の位置と利用)をマイニングし、これらの交差する線で定義されたヒートマップを回帰するように、ディープネットワークを訓練する。 ターゲットビューのすべてのソースビューに対して予測されたヒートマップから情報を集約し、グローバルに最適な処方則を求めるマルチビュー計画戦略を提案する。
  論文  参考訳（メタデータ） (2021-09-24T02:25:22Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Multi-Lead ECG Classification via an Information-Based Attention Convolutional Neural Network [1.1720399305661802]
  1次元畳み込みニューラルネットワーク(CNN)は、広範に分類されるタスクに有効であることが証明されている。 残差接続を実装し,入力特徴マップ内の異なるチャネルに含まれる情報から重みを学習できる構造を設計する。 分類タスクにおいて、特定のモデルセグメントのパフォーマンスを監視するために平均平方偏差という指標を導入する。
  論文  参考訳（メタデータ） (2020-03-25T02:28:04Z)

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。