論文の概要: 3D Cardiac Anatomy Generation Using Mesh Latent Diffusion Models

• arxiv url: http://arxiv.org/abs/2508.14122v1
• Date: Mon, 18 Aug 2025 16:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.206045
• Title: 3D Cardiac Anatomy Generation Using Mesh Latent Diffusion Models
• Title（参考訳）: メッシュ遅延拡散モデルを用いた3次元心臓解剖
• Authors: Jolanta Mozyrska, Marcel Beetz, Luke Melas-Kyriazi, Vicente Grau, Abhirup Banerjee, Alfonso Bueno-Orovio,
• Abstract要約: 心臓解剖学の3次元メッシュ生成における潜時拡散モデルの適用について検討した。 急性心筋梗塞患者の左室心筋解剖の3次元メッシュのデータセットに本モデルを適用した。 MeshLDMは、末期拡張期(緩和期)と末期収縮期(収縮期)の心臓形態の特徴をうまく捉え、ゴールド標準よりも2.4%の人口差を持つメッシュを生成する。
• 参考スコア（独自算出の注目度）: 9.749160335898255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have recently gained immense interest for their generative capabilities, specifically the high quality and diversity of the synthesized data. However, examples of their applications in 3D medical imaging are still scarce, especially in cardiology. Generating diverse realistic cardiac anatomies is crucial for applications such as in silico trials, electromechanical computer simulations, or data augmentations for machine learning models. In this work, we investigate the application of Latent Diffusion Models (LDMs) for generating 3D meshes of human cardiac anatomies. To this end, we propose a novel LDM architecture -- MeshLDM. We apply the proposed model on a dataset of 3D meshes of left ventricular cardiac anatomies from patients with acute myocardial infarction and evaluate its performance in terms of both qualitative and quantitative clinical and 3D mesh reconstruction metrics. The proposed MeshLDM successfully captures characteristics of the cardiac shapes at end-diastolic (relaxation) and end-systolic (contraction) cardiac phases, generating meshes with a 2.4% difference in population mean compared to the gold standard.
• Abstract（参考訳）: 拡散モデルは、その生成能力、特に合成データの品質と多様性に大きな関心を寄せている。 しかし、3D医療画像におけるそれらの応用例は、特に心臓医学において、いまだに少ない。 様々な現実的な心臓解剖を生成することは、サイリコ試験、電気機械シミュレーション、機械学習モデルのためのデータ拡張などの応用に不可欠である。 本研究では,ヒト心臓解剖学の3次元メッシュ生成におけるLDM(Latent Diffusion Models)の適用について検討する。 そこで我々は,新しい LDM アーキテクチャである MeshLDM を提案する。 本モデルは,急性心筋梗塞患者の左室心血管の3次元メッシュのデータセットに応用し,定性的および定量的な臨床的および3次元メッシュ再構築指標を用いてその性能を評価する。 提案したMeshLDMは, 末期拡張期(緩和期)と末期収縮期(収縮期)の心形態の特徴を捉え, 金標準と比較すると2.4%の差のメッシュを生成する。

関連論文リスト

• A personalized time-resolved 3D mesh generative model for unveiling normal heart dynamics [6.6350578770951385]
  心臓左室の形状と運動パターンの分布を学習するための条件付き生成モデルであるMeshHeartを開発した。 MeshHeartに基づいて、3D+t心筋メッシュ配列の潜時空間を調査し、そのパーソナライズされた規範パターンから実際の心臓の偏差を定量化する距離距離測度である潜時デルタを提案する。
  論文  参考訳（メタデータ） (2024-09-20T18:08:37Z)
• Generation of patient specific cardiac chamber models using generative neural networks under a Bayesian framework for electroanatomical mapping [1.9336815376402723]
  心のCT/MRIスキャンライブラリーでトレーニングされた確率論的機械学習モデルは、電気解剖学的マッピングで使用することができる。 疎い3次元点雲データから心臓室モデルの表面再構成を行うためのベイズ的手法を提案する。 ニューラルネットワークが、ネットワークのトレーニングに使用するセグメント化されたCT/MRI画像から何を学習するかについて、どのように洞察を提供するかを示す。
  論文  参考訳（メタデータ） (2023-11-27T03:47:33Z)
• 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)
• 3D Shape-Based Myocardial Infarction Prediction Using Point Cloud Classification Networks [12.231105631777881]
  心筋梗塞(MI)は最も多い心血管疾患の一つである。 そこで本研究では,MIイベントの検出精度を向上させるために,点雲形状の完全な3次元心臓形状の有用性について検討した。
  論文  参考訳（メタデータ） (2023-07-14T12:21:11Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• 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)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)
• Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
  本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。 また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:23:15Z)

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。