論文の概要: Hierarchical Spatio-temporal Segmentation Network for Ejection Fraction Estimation in Echocardiography Videos

• arxiv url: http://arxiv.org/abs/2508.18681v1
• Date: Tue, 26 Aug 2025 05:04:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.685086
• Title: Hierarchical Spatio-temporal Segmentation Network for Ejection Fraction Estimation in Echocardiography Videos
• Title（参考訳）: 心エコービデオにおける吐出分画推定のための階層的時空間分割ネットワーク
• Authors: Dongfang Wang, Jian Yang, Yizhe Zhang, Tao Zhou,
• Abstract要約: 本モデルは,局所的詳細モデリングを相乗化することにより,エジェクションフラクション推定精度を向上させることを目的としている。 階層設計は、単一のフレームのみに依存する場合の局所的な蓄積や、マルチフレームデータを使用する場合の細部といった問題を回避している。
• 参考スコア（独自算出の注目度）: 20.353975738483417
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated segmentation of the left ventricular endocardium in echocardiography videos is a key research area in cardiology. It aims to provide accurate assessment of cardiac structure and function through Ejection Fraction (EF) estimation. Although existing studies have achieved good segmentation performance, their results do not perform well in EF estimation. In this paper, we propose a Hierarchical Spatio-temporal Segmentation Network (\ourmodel) for echocardiography video, aiming to improve EF estimation accuracy by synergizing local detail modeling with global dynamic perception. The network employs a hierarchical design, with low-level stages using convolutional networks to process single-frame images and preserve details, while high-level stages utilize the Mamba architecture to capture spatio-temporal relationships. The hierarchical design balances single-frame and multi-frame processing, avoiding issues such as local error accumulation when relying solely on single frames or neglecting details when using only multi-frame data. To overcome local spatio-temporal limitations, we propose the Spatio-temporal Cross Scan (STCS) module, which integrates long-range context through skip scanning across frames and positions. This approach helps mitigate EF calculation biases caused by ultrasound image noise and other factors.
• Abstract（参考訳）: 心エコービデオにおける左室心内膜の自動セグメンテーションは、心臓学における重要な研究領域である。 Ejection Fraction (EF) による心構造と機能の評価を正確に行うことを目的としている。 既存の研究ではセグメンテーション性能は良好だが, EF推定では良好な結果が得られていない。 本稿では,局所的詳細モデリングとグローバルな動的知覚を相乗化することによってEF推定精度を向上させることを目的とした,心エコービデオのための階層的時空間分割ネットワーク(モデル)を提案する。 ネットワークは階層的な設計を採用し、畳み込みネットワークを用いて単一フレームの画像を処理し、詳細を保存する。 階層的な設計はシングルフレームとマルチフレームの処理のバランスを保ち、単一のフレームのみに依存する場合のローカルエラーの蓄積や、マルチフレームデータのみを使用する場合の詳細の無視といった問題を回避する。 局所時空間制限を克服するため,フレームや位置をスキップすることで長距離コンテキストを統合した時空間クロススキャン(STCS)モジュールを提案する。 このアプローチは、超音波画像ノイズやその他の要因によるEF計算バイアスを軽減するのに役立つ。

関連論文リスト

• Multi-Scale Feature Fusion with Image-Driven Spatial Integration for Left Atrium Segmentation from Cardiac MRI Images [0.0]
  本稿では,DINOv2をエンコーダとしてUNetスタイルのデコーダと統合するフレームワークを提案する。 LAScarQS 2022データセットに対する我々のアプローチを検証するとともに、92.3%のDiceと84.1%のIoUスコアで巨大なアーキテクチャの性能向上を実証した。
  論文  参考訳（メタデータ） (2025-02-10T16:12:46Z)
• Automatic Left Ventricular Cavity Segmentation via Deep Spatial Sequential Network in 4D Computed Tomography Studies [20.358413194053103]
  心電図を自動分割する新しい手法を提案する。 空間シーケンシャル(SS)ネットワークを導入し,LVCの変形特性と運動特性を教師なしで学習する。 心電図(CT)データセットを用いて,双方向学習法(SS-BL)を用いたネットワークが従来のLCVセグメンテーション法より優れていたことを実証した。
  論文  参考訳（メタデータ） (2024-12-17T12:29:32Z)
• Echocardiography Segmentation Using Neural ODE-based Diffeomorphic Registration Field [0.0]
  本稿ではニューラル常微分方程式(ニューラルODE)を用いた新しい拡散画像登録法を提案する。 提案手法であるEcho-ODEでは,従来の最先端技術と比較して,いくつかの改良が加えられている。 その結果,本手法は過去の最先端技術よりも多面的に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-16T08:37:27Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• 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)
• Segmentation of Cardiac Structures via Successive Subspace Learning with Saab Transform from Cine MRI [29.894633364282555]
  本研究では,適応バイアス(Saab)変換を用いた部分空間近似を用いた連続部分空間学習による機械学習モデルを提案する。 左心室,右心室,心筋のパラメータが200ドル以上で,最先端のU-Netモデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-07-22T14:50:48Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)

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。