論文の概要: Temporal Representation Learning for Real-Time Ultrasound Analysis

• arxiv url: http://arxiv.org/abs/2509.01433v1
• Date: Mon, 01 Sep 2025 12:43:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.694894
• Title: Temporal Representation Learning for Real-Time Ultrasound Analysis
• Title（参考訳）: リアルタイム超音波解析のための時間表現学習
• Authors: Yves Stebler, Thomas M. Sutter, Ece Ozkan, Julia E. Vogt,
• Abstract要約: 時相力学は、心臓のモニタリング、胎児の発達、血管画像などの応用において、運動パターンを評価するのに不可欠である。 現在のディープラーニングモデルは、しばしば超音波シーケンスの時間的連続性を見落としている。 超音波映像から効果的な時間表現を学習する手法を提案する。
• 参考スコア（独自算出の注目度）: 16.047239074927234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound (US) imaging is a critical tool in medical diagnostics, offering real-time visualization of physiological processes. One of its major advantages is its ability to capture temporal dynamics, which is essential for assessing motion patterns in applications such as cardiac monitoring, fetal development, and vascular imaging. Despite its importance, current deep learning models often overlook the temporal continuity of ultrasound sequences, analyzing frames independently and missing key temporal dependencies. To address this gap, we propose a method for learning effective temporal representations from ultrasound videos, with a focus on echocardiography-based ejection fraction (EF) estimation. EF prediction serves as an ideal case study to demonstrate the necessity of temporal learning, as it requires capturing the rhythmic contraction and relaxation of the heart. Our approach leverages temporally consistent masking and contrastive learning to enforce temporal coherence across video frames, enhancing the model's ability to represent motion patterns. Evaluated on the EchoNet-Dynamic dataset, our method achieves a substantial improvement in EF prediction accuracy, highlighting the importance of temporally-aware representation learning for real-time ultrasound analysis.
• Abstract（参考訳）: 超音波(US)イメージングは医学診断において重要なツールであり、生理的過程のリアルタイム可視化を提供する。 主な利点の1つは、心臓のモニタリング、胎児の発達、血管画像などの応用において、運動パターンを評価するのに不可欠である時間的ダイナミクスを捉える能力である。 その重要性にもかかわらず、現在のディープラーニングモデルは、しばしば超音波シーケンスの時間的連続性を見落とし、フレームを独立に分析し、キーの時間的依存を欠いている。 このギャップに対処するために, 心エコー法に基づく退行率推定(EF)に着目し, 超音波映像から効果的な時間的表現を学習する手法を提案する。 EF予測は、心のリズミカル収縮と緩和を必要とするため、時間学習の必要性を示す理想的なケーススタディである。 我々のアプローチは、時間的に一貫したマスキングとコントラスト学習を活用して、ビデオフレーム間の時間的コヒーレンスを強制し、モデルが動きパターンを表現する能力を高める。 提案手法は,EchoNet-Dynamicデータセットに基づいて,リアルタイム超音波解析における時間認識表現学習の重要性を強調し,EF予測精度を大幅に向上させる。

関連論文リスト

• MOOSE: Pay Attention to Temporal Dynamics for Video Understanding via Optical Flows [21.969862773424314]
  MOOSEは、光フローと空間埋め込みを統合し、時間情報を効率的にモデル化する新しい時間中心ビデオエンコーダである。 従来のモデルとは異なり、MOOSEはビデオモデルをスクラッチからトレーニングする代わりに、リッチで広く訓練済みの視覚的および光学的フローエンコーダを利用する。
  論文  参考訳（メタデータ） (2025-06-01T18:53:27Z)
• 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)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Spatiotemporal Representation Learning for Short and Long Medical Image Time Series [8.344657414044153]
  時間的発達の分析は多くの医療条件の正確な予後に不可欠である。 数ヶ月または数年にわたって起こる長期の発達を追跡することは、正確な予後に不可欠である。 短期的・長期的分析と臨床的意思決定の両方の重要性にもかかわらず、彼らは医学的深層学習において過小評価されている。
  論文  参考訳（メタデータ） (2024-03-12T10:47:29Z)
• Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI [22.7085949508143]
  MRIは心臓診断において欠かせない役割を担っている。高速イメージングを可能にするため、k空間データをアンサンプすることができる。 この課題は、ディープラーニング再構築手法における広範なトレーニングデータを必要とする。 本研究では,高度に制限された学習データであっても,例外的に良好に動作可能な次元分離型学習手法を活用する,新規で効率的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T23:56:15Z)
• Intelligent Robotic Sonographer: Mutual Information-based Disentangled Reward Learning from Few Demonstrations [42.731081399649916]
  この研究は、インテリジェントなロボットソノグラフィーによって、自律的に標的解剖を発見」し、専門家から学ぶことによって、米国のプローブを関連する2D平面にナビゲートすることを提案する。 専門家による基礎となる高レベルの生理的知識は神経報酬関数によって推測される。 提案した高度なフレームワークは、生き生きとしたヒトの頸動脈データだけでなく、さまざまな幻影や見えない幻影を強く扱うことができる。
  論文  参考訳（メタデータ） (2023-07-07T16:30:50Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。