論文の概要: Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database

• arxiv url: http://arxiv.org/abs/2512.21652v1
• Date: Thu, 25 Dec 2025 12:47:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:00:41.322193
• Title: Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database
• Title（参考訳）: Generalist Foundation ModelとMultimodal Databaseを用いた不均一臨床環境における超高速心血管イメージング
• Authors: Zi Wang, Mingkai Huang, Zhang Shi, Hongjie Hu, Lan Lan, Hui Zhang, Yan Li, Xi Hu, Qing Lu, Zongming Zhu, Qiong Yao, Yuxiang Dai, Fanwen Wang, Yinzhe Wu, Jun Lyu, Qianqian Gao, Guangming Xu, Zhenxuan Zhang, Haosen Zhang, Qing Li, Guangming Wang, Tianxing He, Lizhen Lan, Siyue Li, Le Xue, Mengting Sun, Yuntong Lyu, Junpu Hu, Jiayu Zhu, Rizwan Ahmad, Zhengyu Bu, Xianling Qian, Guanke Cai, Ruiyu Cao, Weirui Cai, Chang Xu, Yuyang Ren, Feidan Yu, Siying Ma, Ziqiang Xu, Xinran Chen, Sha Hua, Daniel Kim, Yajing Zhang, Chen Ouyang, Wenjia Bai, Jing Qin, Yucheng Yang, Daniel Rueckert, He Wang, Qian Tao, Claudia Prieto, Michael Markl, Alistair Young, Lianming Wu, Shuo Wang, Chen Qin, Mengsu Zeng, Xihong Hu, Haibo Xu, Xiaobo Qu, Hao Li, Guang Yang, Chengyan Wang,
• Abstract要約: MMCMR-427Kは、最大かつ最も包括的なマルチモーダル心血管共鳴k空間データベースである。 CardioMMは、異種高速CMRイメージングシナリオに適応可能な再構成基盤モデルである。 CardioMMは、物理インフォームドデータ一貫性と意味的文脈理解を統合して、堅牢な再構築を実現する。
• 参考スコア（独自算出の注目度）: 64.65360708629485
• License:
• Abstract: Multimodal cardiovascular magnetic resonance (CMR) imaging provides comprehensive and non-invasive insights into cardiovascular disease (CVD) diagnosis and underlying mechanisms. Despite decades of advancements, its widespread clinical adoption remains constrained by prolonged scan times and heterogeneity across medical environments. This underscores the urgent need for a generalist reconstruction foundation model for ultra-fast CMR imaging, one capable of adapting across diverse imaging scenarios and serving as the essential substrate for all downstream analyses. To enable this goal, we curate MMCMR-427K, the largest and most comprehensive multimodal CMR k-space database to date, comprising 427,465 multi-coil k-space data paired with structured metadata across 13 international centers, 12 CMR modalities, 15 scanners, and 17 CVD categories in populations across three continents. Building on this unprecedented resource, we introduce CardioMM, a generalist reconstruction foundation model capable of dynamically adapting to heterogeneous fast CMR imaging scenarios. CardioMM unifies semantic contextual understanding with physics-informed data consistency to deliver robust reconstructions across varied scanners, protocols, and patient presentations. Comprehensive evaluations demonstrate that CardioMM achieves state-of-the-art performance in the internal centers and exhibits strong zero-shot generalization to unseen external settings. Even at imaging acceleration up to 24x, CardioMM reliably preserves key cardiac phenotypes, quantitative myocardial biomarkers, and diagnostic image quality, enabling a substantial increase in CMR examination throughput without compromising clinical integrity. Together, our open-access MMCMR-427K database and CardioMM framework establish a scalable pathway toward high-throughput, high-quality, and clinically accessible cardiovascular imaging.
• Abstract（参考訳）: マルチモーダル心血管MRI(Multimodal Cardiovascular magnetic resonance, CMR)は、心血管疾患(CVD)の診断とその基盤となるメカニズムに関する包括的かつ非侵襲的な知見を提供する。 数十年にわたる進歩にもかかわらず、その広範な臨床応用は、長期にわたるスキャン時間と医療環境の異質性によって制限されている。 このことは、超高速CMRイメージングのための一般的な再構築基盤モデルの必要性を浮き彫りにした。 この目的を達成するため、これまでで最大かつ最も包括的なマルチモーダルなCMR k空間データベースであるMCCMR-427Kを、13の国際センターにまたがる構造化メタデータと組み合わせた427,465個のマルチコイルk空間データ、12のCMRモダリティ、15のスキャナ、17のCVDカテゴリからなるキュレートした。 この前例のない資料に基づいて、異種高速CMRイメージングシナリオに動的に適応できる汎用的な再構築基盤モデルであるCardioMMを導入する。 CardioMMは、物理インフォームドデータ一貫性とセマンティックコンテキスト理解を統合し、様々なスキャナー、プロトコル、患者のプレゼンテーションに堅牢な再構築を提供する。 総合的な評価では、CardioMMは内部センターで最先端のパフォーマンスを達成し、見えない外部設定に対して強力なゼロショットの一般化を示す。 イメージングアクセラレーションが24倍にも達しても、CardioMMは重要な心臓表現型、定量的心筋バイオマーカー、診断画像の品質を確実に保ち、臨床的整合性を損なうことなくCMR検査のスループットを大幅に向上させることができる。 オープンアクセス型MMCMR-427KデータベースとCardioMMフレームワークを併用して,高スループット,高画質,臨床的にアクセス可能な心血管画像へのスケーラブルな経路を確立した。

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)
• 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)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging [9.77594028637426]
  本稿では,心電図のみから,費用対効果と総合的な心検診を行うための深層学習戦略を提案する。 提案手法は,マルチモーダルコントラスト学習とマスク付きデータモデリングを組み合わせて,CMR画像からECG表現へのドメイン固有情報転送を行う。
  論文  参考訳（メタデータ） (2023-08-09T10:05:11Z)
• Multimodal Representation Learning of Cardiovascular Magnetic Resonance Imaging [11.887706872979697]
  我々は、CMR画像と関連する心臓医の報告のシーケンスを共同で学習するマルチモーダル学習フレームワークである textbfCMRformer を提案する。 我々の研究はCMR研究の進歩を早める可能性があり、より正確で効果的な診断と治療につながる可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T02:35:27Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Multi-class probabilistic atlas-based whole heart segmentation method in cardiac CT and MRI [4.144197343838299]
  本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。 また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。 提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
  論文  参考訳（メタデータ） (2021-02-03T01:02:09Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• 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。

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。