論文の概要: Point Tracking as a Temporal Cue for Robust Myocardial Segmentation in Echocardiography Videos

• arxiv url: http://arxiv.org/abs/2601.09207v1
• Date: Wed, 14 Jan 2026 06:23:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.291826
• Title: Point Tracking as a Temporal Cue for Robust Myocardial Segmentation in Echocardiography Videos
• Title（参考訳）: 心エコー画像におけるロバスト心筋分画の時間的手がかりとしてのポイントトラッキング
• Authors: Bahar Khodabakhshian, Nima Hashemi, Armin Saadat, Zahra Gholami, In-Chang Hwang, Samira Sojoudi, Christina Luong, Purang Abolmaesumi, Teresa Tsang,
• Abstract要約: 心エコービデオにおける心筋セグメンテーションは、低コントラスト、ノイズ、解剖学的変動のために難しい課題である。 従来のディープラーニングモデルは、フレームを独立して処理し、時間的情報を無視したり、メモリベースの機能伝搬に依存したりする。 時間的キューとしてポイントトラッキングを統合するトランスフォーマーベースのセグメンテーションフレームワークであるPoint-Segを提案する。
• 参考スコア（独自算出の注目度）: 2.7509305461575875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: Myocardium segmentation in echocardiography videos is a challenging task due to low contrast, noise, and anatomical variability. Traditional deep learning models either process frames independently, ignoring temporal information, or rely on memory-based feature propagation, which accumulates error over time. Methods: We propose Point-Seg, a transformer-based segmentation framework that integrates point tracking as a temporal cue to ensure stable and consistent segmentation of myocardium across frames. Our method leverages a point-tracking module trained on a synthetic echocardiography dataset to track key anatomical landmarks across video sequences. These tracked trajectories provide an explicit motion-aware signal that guides segmentation, reducing drift and eliminating the need for memory-based feature accumulation. Additionally, we incorporate a temporal smoothing loss to further enhance temporal consistency across frames. Results: We evaluate our approach on both public and private echocardiography datasets. Experimental results demonstrate that Point-Seg has statistically similar accuracy in terms of Dice to state-of-the-art segmentation models in high quality echo data, while it achieves better segmentation accuracy in lower quality echo with improved temporal stability. Furthermore, Point-Seg has the key advantage of pixel-level myocardium motion information as opposed to other segmentation methods. Such information is essential in the computation of other downstream tasks such as myocardial strain measurement and regional wall motion abnormality detection. Conclusion: Point-Seg demonstrates that point tracking can serve as an effective temporal cue for consistent video segmentation, offering a reliable and generalizable approach for myocardium segmentation in echocardiography videos. The code is available at https://github.com/DeepRCL/PointSeg.
• Abstract（参考訳）: 目的: 心エコービデオにおける心筋セグメンテーションは, 低コントラスト, ノイズ, 解剖学的変動による課題である。 従来のディープラーニングモデルはフレームを独立して処理し、時間的情報を無視したり、時間とともにエラーを蓄積するメモリベースの機能伝搬に依存したりする。 提案するPoint-Segは, 点追跡を時間キューとして統合し, フレーム間の心筋の安定かつ一貫したセグメンテーションを確保するための, トランスフォーマーベースのセグメンテーションフレームワークである。 本手法は, 人工心エコー法を用いて訓練した点追跡モジュールを用いて, ビデオシーケンス間の重要な解剖学的ランドマークを追跡する。 これらの追跡軌道は、セグメンテーションをガイドし、ドリフトを減らし、メモリベースの特徴蓄積を不要にする明示的な動き認識信号を提供する。 さらに,フレーム間の時間的一貫性を高めるために,時間的平滑化損失を取り入れた。 結果: 心エコー法, 心エコー法, 心エコー法, 心エコー法, 心エコー法, 心エコー法, 心エコー法の両方について検討した。 実験結果から,Point-Segは高品質エコーデータにおける最先端セグメンテーションモデルと統計的に類似し,低品質エコーのセグメンテーション精度が向上し,時間安定性が向上した。 さらに、ポイントセグは他のセグメンテーション法とは対照的にピクセルレベルの心筋運動情報の鍵となる利点がある。 このような情報は、心筋ひずみ測定や局所壁運動異常検出などの下流タスクの計算に不可欠である。 結論: Point-Segは、ポイントトラッキングが一貫したビデオセグメンテーションのための効果的な時間的キューとして機能し、心エコービデオにおける心筋セグメンテーションの信頼性と一般化可能なアプローチを提供することを示した。 コードはhttps://github.com/DeepRCL/PointSegで入手できる。

関連論文リスト

• GDKVM: Echocardiography Video Segmentation via Spatiotemporal Key-Value Memory with Gated Delta Rule [28.526034344479935]
  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。
  論文  参考訳（メタデータ） (2025-12-11T03:19:50Z)
• 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)
• Hierarchical Spatio-temporal Segmentation Network for Ejection Fraction Estimation in Echocardiography Videos [20.353975738483417]
  本モデルは,局所的詳細モデリングを相乗化することにより,エジェクションフラクション推定精度を向上させることを目的としている。 階層設計は、単一のフレームのみに依存する場合の局所的な蓄積や、マルチフレームデータを使用する場合の細部といった問題を回避している。
  論文  参考訳（メタデータ） (2025-08-26T05:04:49Z)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Bidirectional Recurrence for Cardiac Motion Tracking with Gaussian Process Latent Coding [9.263168872795843]
  GPTrackは、心臓運動の時間的および空間的ダイナミクスを探求するために作られた、教師なしのフレームワークである。 逐次ガウス過程を潜時空間で利用し、各時刻スタンプにおける空間情報による統計を符号化することにより、モーショントラッキングを強化する。 GPTrackは,3次元および4次元の医用画像における運動追跡の精度を,計算効率を保ちながら向上させる。
  論文  参考訳（メタデータ） (2024-10-28T05:33:48Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-09T05:57:01Z)
• A Spatial-Temporal Deformable Attention based Framework for Breast Lesion Detection in Videos [107.96514633713034]
  本稿では,STNet という空間的・時間的変形可能なアテンションベースのフレームワークを提案する。 我々のSTNetは、局所的な空間的時間的特徴融合を行うために、空間的時間的変形可能なアテンションモジュールを導入している。 乳腺病変の超音波画像データセットを用いた実験により,STNetは最先端の検出性能を得ることができた。
  論文  参考訳（メタデータ） (2023-09-09T07:00:10Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
  本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。 心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
  論文  参考訳（メタデータ） (2021-12-03T16:09:32Z)
• 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。