Fugu-MT 論文翻訳(概要): Implicit Neural Representations of Intramyocardial Motion and Strain

論文の概要: Implicit Neural Representations of Intramyocardial Motion and Strain

arxiv url: http://arxiv.org/abs/2509.09004v2
Date: Sat, 13 Sep 2025 19:01:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-16 13:19:47.97383
Title: Implicit Neural Representations of Intramyocardial Motion and Strain
Title（参考訳）: 心筋内運動とひずみの暗黙的神経表現
Authors: Andrew Bell, Yan Kit Choi, Steffen E Peterson, Andrew King, Muhummad Sohaib Nazir, Alistair A Young,
Abstract要約: Inference-time optimizationを必要とせず, 連続左室変位(LV)を予測するために, 暗黙的神経表現(INR)を用いた手法を提案する。 452英国のバイオバンク試験で評価したところ、この手法は最高の追跡精度 (2.14 mm RMSE) と、地球外周率 (2.86%) と放射率 (6.42%) で最小の組み合わせ誤差を達成した。
参考スコア（独自算出の注目度）: 5.310720903629104
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic quantification of intramyocardial motion and strain from tagging MRI remains an important but challenging task. We propose a method using implicit neural representations (INRs), conditioned on learned latent codes, to predict continuous left ventricular (LV) displacement -- without requiring inference-time optimisation. Evaluated on 452 UK Biobank test cases, our method achieved the best tracking accuracy (2.14 mm RMSE) and the lowest combined error in global circumferential (2.86%) and radial (6.42%) strain compared to three deep learning baselines. In addition, our method is $\sim$380$\times$ faster than the most accurate baseline. These results highlight the suitability of INR-based models for accurate and scalable analysis of myocardial strain in large CMR datasets.
Abstract（参考訳）: タギングMRIによる心筋内運動とひずみの自動定量化は重要な課題だが難しい課題である。本稿では,暗黙的神経表現(INR)を用いた連続左室変位(LV)予測法を提案する。 452英国のバイオバンク試験で評価したところ、この手法は3つのディープラーニングベースラインと比較して、最高の追跡精度 (2.14 mm RMSE) と、地球周率 (2.86%) と放射率 (6.42%) の最小の組み合わせ誤差を達成した。さらに、我々の方法は最も正確なベースラインよりも高速な$\sim$380$\times$である。これらの結果は、大規模なCMRデータセットにおける心筋ひずみの正確かつスケーラブルな解析のためのINRモデルの有効性を強調した。

関連論文リスト

LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文参考訳（メタデータ） (2025-08-23T07:21:23Z)
Potential and challenges of generative adversarial networks for super-resolution in 4D Flow MRI [31.73599420656492]
GAN(Generative Adversarial Network)は、医学的でない超解像タスクにおいて、シャープな境界を復元する強力な機能を提供する。 GAN(Generative Adversarial Network)は、医学的でない超解像度タスクにおいて、シャープな境界を復元する強力な能力を示す、魅力的なソリューションを提供する。その結果,提案したGANは非逆参照よりも壁面近傍の速度回復を改善できた。
論文参考訳（メタデータ） (2025-08-20T12:07:23Z)
DINOMotion: advanced robust tissue motion tracking with DINOv2 in 2D-Cine MRI-guided radiotherapy [1.9458647657637413]
DINOMotionは、ロバストで効率的な、解釈可能なモーショントラッキングのための新しいディープラーニングフレームワークである。 DINOMotionは、対応するランドマークを自動的に検出し、最適な画像登録を導き、解釈可能性を高める。ボランティアおよび患者データセットに対する実験は、線形および非線形の変換を推定する上で、その効果を実証する。
論文参考訳（メタデータ） (2025-08-14T01:02:26Z)
A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
全体拡散強調MRI(WB-DWI)のADC値とTotal Diffusion Volume(TDV)が癌画像バイオマーカーとして認識されている。最初のステップとして, 骨格, 隣接する内臓器(肝, 脾臓, 膀胱, 腎臓) および脊髄の高速かつ再現可能な確率マップを生成するアルゴリズムを提案する。
論文参考訳（メタデータ） (2025-03-26T17:03:46Z)
Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
論文参考訳（メタデータ） (2025-02-10T13:33:12Z)
Leveraging the Mahalanobis Distance to enhance Unsupervised Brain MRI Anomaly Detection [35.46541584018842]
教師なし異常検出(UAD)法は、異常を外れ値として識別するために健全なデータ分布に依存する。脳MRIでは、再生モデルが正常な脳MRIを再構成し、異常が入力と再構成のずれとして検出される。我々は確率的拡散モデルを用いて複数の再構成を構築し、マハラノビス距離を用いてこれらの再構成結果の分布を分析し、異常を外れ値として同定する。
論文参考訳（メタデータ） (2024-07-17T11:02:31Z)
Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
論文参考訳（メタデータ） (2023-08-06T03:28:08Z)
Automatic Breast Lesion Detection in Ultrafast DCE-MRI Using Deep Learning [0.0]
超高速DCE-MRIにおける乳房病変検出のためのディープラーニングによるコンピュータ支援検出(CADe)手法を提案する。動的取得の初期段階から得られる3次元空間情報と時間情報の両方を用いる。
論文参考訳（メタデータ） (2021-02-07T22:03:39Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
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)

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。