論文の概要: GDKVM: Echocardiography Video Segmentation via Spatiotemporal Key-Value Memory with Gated Delta Rule
- arxiv url: http://arxiv.org/abs/2512.10252v1
- Date: Thu, 11 Dec 2025 03:19:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-12 16:15:42.180152
- Title: GDKVM: Echocardiography Video Segmentation via Spatiotemporal Key-Value Memory with Gated Delta Rule
- Title（参考訳）: GDKVM:Gated Delta Ruleを用いた時空間キー値メモリによる心エコー画像分割
- Authors: Rui Wang, Yimu Sun, Jingxing Guo, Huisi Wu, Jing Qin,
- Abstract要約: 本稿では,心エコービデオセグメンテーションのための新しいアーキテクチャであるGDKVMを紹介する。
このモデルは、フレーム間の相関を効果的にモデル化するためにLKVA(Linear Key-Value Association)を採用し、中間記憶状態を効率的に保存するためにGated Delta Rule(GDR)を導入している。
我々は、GDKVMを2つの主流心エコー画像データセット(CAMUSとEchoNet-Dynamic)で検証し、様々な最先端の手法と比較した。実験結果、GDKVMは、セグメント化精度とロバスト性において既存の手法より優れており、リアルタイム性能が保証されている。
- 参考スコア（独自算出の注目度）: 28.526034344479935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate segmentation of cardiac chambers in echocardiography sequences is crucial for the quantitative analysis of cardiac function, aiding in clinical diagnosis and treatment. The imaging noise, artifacts, and the deformation and motion of the heart pose challenges to segmentation algorithms. While existing methods based on convolutional neural networks, Transformers, and space-time memory networks have improved segmentation accuracy, they often struggle with the trade-off between capturing long-range spatiotemporal dependencies and maintaining computational efficiency with fine-grained feature representation. In this paper, we introduce GDKVM, a novel architecture for echocardiography video segmentation. The model employs Linear Key-Value Association (LKVA) to effectively model inter-frame correlations, and introduces Gated Delta Rule (GDR) to efficiently store intermediate memory states. Key-Pixel Feature Fusion (KPFF) module is designed to integrate local and global features at multiple scales, enhancing robustness against boundary blurring and noise interference. We validated GDKVM on two mainstream echocardiography video datasets (CAMUS and EchoNet-Dynamic) and compared it with various state-of-the-art methods. Experimental results show that GDKVM outperforms existing approaches in terms of segmentation accuracy and robustness, while ensuring real-time performance. Code is available at https://github.com/wangrui2025/GDKVM.
- Abstract（参考訳）: 心室の正確な分画は, 心機能の定量的解析に不可欠であり, 臨床診断や治療に有用である。
画像ノイズ、アーチファクト、心臓の変形と動きはセグメンテーションアルゴリズムに挑戦する。
畳み込みニューラルネットワーク、トランスフォーマー、時空メモリネットワークに基づく既存の手法はセグメンテーションの精度を向上するが、長距離時空間依存の捕捉と、微細な特徴表現による計算効率の維持とのトレードオフにしばしば苦労する。
本稿では,心エコービデオセグメンテーションのための新しいアーキテクチャであるGDKVMを紹介する。
このモデルは、フレーム間の相関を効果的にモデル化するためにLKVA(Linear Key-Value Association)を採用し、中間記憶状態を効率的に保存するためにGated Delta Rule(GDR)を導入している。
Key-Pixel Feature Fusion (KPFF)モジュールは、局所的およびグローバルな機能を複数のスケールで統合し、バウンダリのぼかしやノイズ干渉に対する堅牢性を高めるように設計されている。
我々は、GDKVMを2つの主流心エコー画像データセット(CAMUSとEchoNet-Dynamic)で検証し、様々な最先端の手法と比較した。
実験結果から,GDKVMは実時間性能を確保しつつ,セグメント化精度とロバスト性の観点から既存手法よりも優れた性能を示した。
コードはhttps://github.com/wangrui2025/GDKVMで入手できる。
関連論文リスト
- A DyL-Unet framework based on dynamic learning for Temporally Consistent Echocardiographic Segmentation [0.328418927821443]
動的学習に基づく時間的一貫性を持つU-NetセグメンテーションアーキテクチャDyL-UNetを提案する。
このフレームワークは、動的学習を通じてEcho-Dynamics Graph(EDG)を構築し、ビデオから動的情報を抽出する。
CAMUSとEchoNet-Dynamicデータセットの実験は、DyL-UNetが既存のメソッドに匹敵するセグメンテーション精度を維持していることを示している。
論文 参考訳（メタデータ） (2025-09-23T14:17:01Z) - CardiacCLIP: Video-based CLIP Adaptation for LVEF Prediction in a Few-shot Manner [14.429336783145644]
左室放出分画(LVEF)は心臓機能の指標となる。
既存のLVEF推定手法は、大規模な注釈付きビデオデータセットに依存する。
我々は、注目ベースのフレームアグリゲーションとマルチレゾリューション・インプット・スケーリングによるLVEF予測を強化する、ビデオベースのフレームワークであるCardiacCLIPを提案する。
論文 参考訳（メタデータ） (2025-09-21T12:52:08Z) - Echo-DND: A dual noise diffusion model for robust and precise left ventricle segmentation in echocardiography [0.6749750044497732]
本稿では,心エコー区分けのための新しい二重雑音拡散モデルであるEcho-DNDを紹介する。
モデルのパフォーマンスは、CAMUSとEchoNet-Dynamicデータセットで厳格に検証された。
これらのデータセットでそれぞれ0.962と0.939の高Diceスコアを達成する。
論文 参考訳（メタデータ） (2025-06-18T06:27:08Z) - ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to
Improve Segmentation Performance [61.04246102067351]
本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。
実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-07-02T10:39:29Z) - 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) - Efficient Global-Local Memory for Real-time Instrument Segmentation of
Robotic Surgical Video [53.14186293442669]
手術器具の知覚における重要な手がかりとして,隣接するフレームからの局所的時間依存性と,長距離における大域的意味的相関があげられる。
本稿では,グローバルとローカルの両方の時間的知識を関連付ける新しいデュアルメモリネットワーク(DMNet)を提案する。
本手法は,実時間速度を維持しながらセグメント化精度を向上する手法である。
論文 参考訳（メタデータ） (2021-09-28T10:10:14Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z)
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。