論文の概要: Non-Intrusive Parametrized-Background Data-Weak Reconstruction of Cardiac Displacement Fields from Sparse MRI-like Observations

• arxiv url: http://arxiv.org/abs/2509.14844v1
• Date: Thu, 18 Sep 2025 11:10:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.179455
• Title: Non-Intrusive Parametrized-Background Data-Weak Reconstruction of Cardiac Displacement Fields from Sparse MRI-like Observations
• Title（参考訳）: スパースMRIによる非侵襲的非侵襲的パラメタライズド・バックグラウンドデータ弱み再構成
• Authors: Francesco C. Mantegazza, Federica Caforio, Christoph Augustin, Matthias A. F. Gsell, Gundolf Haase, Elias Karabelas,
• Abstract要約: 非侵襲的パラメタライズド・データ・ウェイク(PBDW)法をMRIのような限られた観察から3次元心停止再建に応用した。 私たちの実装はソリューションスナップショットのみを必要とします -- 管理方程式、アセンブリルーチン、あるいはソルバアクセスは不要です。 本手法の有効性をシミュレーションした3次元左室モデルを用いて検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Personalized cardiac diagnostics require accurate reconstruction of myocardial displacement fields from sparse clinical imaging data, yet current methods often demand intrusive access to computational models. In this work, we apply the non-intrusive Parametrized-Background Data-Weak (PBDW) approach to three-dimensional (3D) cardiac displacement field reconstruction from limited Magnetic Resonance Image (MRI)-like observations. Our implementation requires only solution snapshots -- no governing equations, assembly routines, or solver access -- enabling immediate deployment across commercial and research codes using different constitutive models. Additionally, we introduce two enhancements: an H-size minibatch worst-case Orthogonal Matching Pursuit (wOMP) algorithm that improves Sensor Selection (SS) computational efficiency while maintaining reconstruction accuracy, and memory optimization techniques exploiting block matrix structures in vectorial problems. We demonstrate the effectiveness of the method through validation on a 3D left ventricular model with simulated scar tissue. Starting with noise-free reconstruction, we systematically incorporate Gaussian noise and spatial sparsity mimicking realistic MRI acquisition protocols. Results show exceptional accuracy in noise-free conditions (relative L2 error of order O(1e-5)), robust performance with 10% noise (relative L2 error of order O(1e-2)), and effective reconstruction from sparse measurements (relative L2 error of order O(1e-2)). The online reconstruction achieves four-order-of-magnitude computational speed-up compared to full Finite Element (FE) simulations, with reconstruction times under one tenth of second for sparse scenarios, demonstrating significant potential for integration into clinical cardiac modeling workflows.
• Abstract（参考訳）: パーソナライズされた心臓診断は、スパースな臨床画像データから正確な心筋変位野の再構築を必要とするが、現在の方法では、しばしば計算モデルへの侵入的アクセスを必要とする。 本研究では,非侵襲的パラメタライズド・バックグラウンド・データ・ウィーク (PBDW) 法を用いて, 限られた磁気共鳴画像 (MRI) を用いた3次元心臓変位場再構成を行った。 当社の実装では,ソリューションスナップショット – 管理方程式やアセンブリルーチン,あるいはソルバアクセスなど – だけで,さまざまな構成モデルを使用した商用および研究コードへの即時デプロイが可能です。 さらに,H-size minibatch worst-case Orthogonal Matching Pursuit (wOMP)アルゴリズムを導入し,再構成精度を維持しながらセンサ選択(SS)計算効率を向上させるとともに,ベクトル問題におけるブロック行列構造を利用したメモリ最適化手法を提案する。 本手法の有効性をシミュレーションした3次元左室モデルを用いて検証した。 ノイズのない再構成から始めて、現実的なMRI取得プロトコルを模倣したガウスノイズと空間空間の空間空間空間を体系的に取り入れる。 その結果、ノイズフリー条件(O(1e-5)の相対L2誤差)、10%ノイズ(O(1e-2)の相対L2誤差)、およびスパース測定(O(1e-2)の相対L2誤差)による効果的な再構成が得られた。 オンラインリコンストラクションは完全有限要素(FE)シミュレーションと比較して4次の計算速度を達成し、スパースシナリオでは10分の1秒未満のリコンストラクション時間を実現し、臨床心臓モデリングワークフローへの統合の可能性を示す。

関連論文リスト

• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Latent Interpolation Learning Using Diffusion Models for Cardiac Volume Reconstruction [26.7771170972558]
  既存の手法では、事前定義されたスキームへの依存、計算の非効率性、追加のセマンティック入力への依存など、課題に直面している。 スパーススライス間の複雑で非時間的関係を捉えることができる,データ駆動型潜在性補間拡散(CaLID)フレームワークを提案する。 第2に,潜伏空間で動作し,24倍の3次元ハートアップサンプリングを高速化し,計算時間を短縮する計算効率のよい手法を設計する。 第3に,提案手法を2D+Tデータに拡張し,時間的コヒーレンスを効果的にモデル化する。
  論文  参考訳（メタデータ） (2025-08-19T13:36:16Z)
• SUFFICIENT: A scan-specific unsupervised deep learning framework for high-resolution 3D isotropic fetal brain MRI reconstruction [7.268308489093152]
  等方性HR容積再構成のための教師なし反復SVR-SRRフレームワークを提案する。 高分解能(HR)ボリュームを生成するために、ディープイメージ事前フレームワーク内に埋め込まれたデコードネットワークを包括的画像劣化モデルに組み込む。 大規模動乱シミュレーションデータと臨床データを用いて行った実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T04:53:59Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [45.31051025401413]
  X$2$-Gaussianは、連続4DCT再構成のための新しいフレームワークである。 動的放射スプラッティングと自己監督型呼吸運動学習を統合している。 従来の手法に比べて9.93dBのPSNR向上と2.25dBの改善を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
  心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。 提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
  論文  参考訳（メタデータ） (2023-10-10T13:46:11Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。