論文の概要: Deformable Image Registration for Self-supervised Cardiac Phase Detection in Multi-View Multi-Disease Cardiac Magnetic Resonance Images

• arxiv url: http://arxiv.org/abs/2510.05819v1
• Date: Tue, 07 Oct 2025 11:40:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.228779
• Title: Deformable Image Registration for Self-supervised Cardiac Phase Detection in Multi-View Multi-Disease Cardiac Magnetic Resonance Images
• Title（参考訳）: 多視点多自由度磁気共鳴画像における自己教師型心臓位相検出のための変形性画像登録
• Authors: Sven Koehler, Sarah Kaye Mueller, Jonathan Kiekenap, Gerald Greil, Tarique Hussain, Samir Sarikouch, Florian André, Norbert Frey, Sandy Engelhardt,
• Abstract要約: 個々の心周期は、自動時相比較またはサブフェーズ分析を複雑にする。 心臓磁気共鳴(CMR)検出のための自己教師型深層学習法を提案する。 EDおよびESでは,SAXでは30%～51%,4CHでは11%～47%の精度で検出精度が向上した。
• 参考スコア（独自算出の注目度）: 0.613184366698301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiovascular magnetic resonance (CMR) is the gold standard for assessing cardiac function, but individual cardiac cycles complicate automatic temporal comparison or sub-phase analysis. Accurate cardiac keyframe detection can eliminate this problem. However, automatic methods solely derive end-systole (ES) and end-diastole (ED) frames from left ventricular volume curves, which do not provide a deeper insight into myocardial motion. We propose a self-supervised deep learning method detecting five keyframes in short-axis (SAX) and four-chamber long-axis (4CH) cine CMR. Initially, dense deformable registration fields are derived from the images and used to compute a 1D motion descriptor, which provides valuable insights into global cardiac contraction and relaxation patterns. From these characteristic curves, keyframes are determined using a simple set of rules. The method was independently evaluated for both views using three public, multicentre, multidisease datasets. M&Ms-2 (n=360) dataset was used for training and evaluation, and M&Ms (n=345) and ACDC (n=100) datasets for repeatability control. Furthermore, generalisability to patients with rare congenital heart defects was tested using the German Competence Network (GCN) dataset. Our self-supervised approach achieved improved detection accuracy by 30% - 51% for SAX and 11% - 47% for 4CH in ED and ES, as measured by cyclic frame difference (cFD), compared with the volume-based approach. We can detect ED and ES, as well as three additional keyframes throughout the cardiac cycle with a mean cFD below 1.31 frames for SAX and 1.73 for LAX. Our approach enables temporally aligned inter- and intra-patient analysis of cardiac dynamics, irrespective of cycle or phase lengths. GitHub repository: https://github.com/Cardio-AI/cmr-multi-view-phase-detection.git
• Abstract（参考訳）: 心血管性磁気共鳴(CMR)は心機能を評価するための金の基準であるが、個々の心循環は時間的自動比較やサブフェーズ分析を複雑にしている。 正確な心臓のキーフレーム検出は、この問題を排除できる。 しかし, 左室容積曲線からエンドシストール (ES) およびエンドシストール (ED) フレームのみを抽出し, 心筋運動の深い洞察を得られない。 短軸(SAX)と4軸長軸(4CH)シネCMRの5つのキーフレームを検出する自己教師型ディープラーニング手法を提案する。 当初、高密度な変形可能な登録フィールドは画像から導出され、1Dモーションディスクリプタの計算に使用される。 これらの特徴曲線から、鍵フレームは単純な規則の集合を用いて決定される。 この手法は,3つのパブリック・マルチセンター・マルチディスリーズ・データセットを用いて,両視点で独立に評価した。 M&Ms-2 (n=360) データセットをトレーニングと評価に使用し、M&Ms (n=345) と ACDC (n=100) データセットを再現性制御に使用した。 さらに, 先天性心不全症例に対する汎用性を, German Competence Network (GCN) データセットを用いて検討した。 自己監督的手法により,SAXでは30%～51%,EDおよびESでは11%～47%の検出精度が得られた。 EDとESを検出でき、心循環を通じて3つのキーフレームを検出でき、平均cFDはSAXが1.31フレーム、LAXが1.73フレーム以下である。 本手法は, 周期, 位相長に関わらず, 心内動態の時間的整合性解析を可能にする。 GitHubリポジトリ:https://github.com/Cardio-AI/cmr-multi-view-phase-detection.git

関連論文リスト

• End-to-End 4D Heart Mesh Recovery Across Full-Stack and Sparse Cardiac MRI [36.15020189756052]
  既存の方法は、完全な心臓の動きを推測するために完全なCMRスタックに依存している。 今回紹介するTetHeartは,フル4Dのマルチ構造心筋メッシュリカバリを統一する初のエンドツーエンドフレームワークだ。
  論文  参考訳（メタデータ） (2025-09-15T16:17:45Z)
• Latent Motion Profiling for Annotation-free Cardiac Phase Detection in Adult and Fetal Echocardiography Videos [4.306805601880343]
  本稿では,自己教師型学習によるエンドディストル(ED)とエンドシストル(ES)検出のための教師なしフレームワークを提案する。 本手法は,ED ESインデックスやセグメンテーション,ボリューム測定など,手動のアノテーションを必要としない。 EDの3フレーム (5Phase ms) とES検出の2フレーム (38.8 ms) の平均絶対誤差 (MAE) を達成する。
  論文  参考訳（メタデータ） (2025-07-07T16:10:46Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [40.11088079783521]
  CMRxRecon2024データセットは、最も大きく、最もプロトカルなディバースで公開されている心臓k空間データセットである。 健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
  論文  参考訳（メタデータ） (2024-06-27T09:50:20Z)
• Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images [13.686473040836113]
  本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。 我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
  論文  参考訳（メタデータ） (2024-06-01T07:08:45Z)
• Self-supervised motion descriptor for cardiac phase detection in 4D CMR based on discrete vector field estimations [1.5755566067326996]
  本研究では, 変形可能なベクトル場を用いて心循環の動的過程を, 導出した1次元モーションディスクリプタの形で効率的に記述する方法を示す。 我々は, マルチディスリーブ, センター, 走査型短軸CMRデータセットにおけるモーションディスクリプタの妥当性を評価する。
  論文  参考訳（メタデータ） (2022-09-13T07:23:17Z)
• 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)
• Myocardial Segmentation of Cardiac MRI Sequences with Temporal Consistency for Coronary Artery Disease Diagnosis [12.53412028532286]
  本研究では,左室腔,右室腔,心筋の心臓MRI(CMR)スキャン画像のシークエンスのための心筋セグメンテーションフレームワークを提案する。 我々のフレームワークは、Dice係数の最大2%のセグメンテーション精度を向上させることができる。
  論文  参考訳（メタデータ） (2020-12-29T01:54:09Z)
• 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)

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。