論文の概要: A Cycle-Consistent Graph Surrogate for Full-Cycle Left Ventricular Myocardial Biomechanics

• arxiv url: http://arxiv.org/abs/2602.06884v1
• Date: Fri, 06 Feb 2026 17:14:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.502108
• Title: A Cycle-Consistent Graph Surrogate for Full-Cycle Left Ventricular Myocardial Biomechanics
• Title（参考訳）: 完全左室心筋バイオメカニクスにおけるサイクリック一貫性グラフサロゲート
• Authors: Siyu Mu, Wei Xuan Chan, Choon Hwai Yap,
• Abstract要約: 左室バイオメカニクス(LV)の高速全サイクル推定のためのグラフベースサロゲートであるCardioGraphFENet(CGFENet)を提案する。 提案モデルでは, (i) メッシュ特徴を弱形式にインスパイアされた大域的結合でキャプチャするグローバル局所グラフエンコーダ, (ii) 目標体積時間信号に条件付きゲート型再帰単位系時間エンコーダを統合し, (iii) 単一フレームワーク内でのロードと逆アンロードの両方に対するサイクル一貫性のある双方向定式化を行う。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image-based patient-specific simulation of left ventricular (LV) mechanics is valuable for understanding cardiac function and supporting clinical intervention planning, but conventional finite-element analysis (FEA) is computationally intensive. Current graph-based surrogates do not have full-cycle prediction capabilities, and physics-informed neural networks often struggle to converge on complex cardiac geometries. We present CardioGraphFENet (CGFENet), a unified graph-based surrogate for rapid full-cycle estimation of LV myocardial biomechanics, supervised by a large FEA simulation dataset. The proposed model integrates (i) a global--local graph encoder to capture mesh features with weak-form-inspired global coupling, (ii) a gated recurrent unit-based temporal encoder conditioned on the target volume-time signal to model cycle-coherent dynamics, and (iii) a cycle-consistent bidirectional formulation for both loading and inverse unloading within a single framework. These strategies enable high fidelity with respect to traditional FEA ground truths and produce physiologically plausible pressure-volume loops that match FEA results when coupled with a lumped-parameter model. In particular, the cycle-consistency strategy enables a significant reduction in FEA supervision with only minimal loss in accuracy.
• Abstract（参考訳）: 左室機能を理解し, 臨床介入計画を支援するために, 左室のイメージベースシミュレーションが有用であるが, 従来の有限要素解析(FEA)は計算集約的である。 現在のグラフベースのサロゲートは完全なサイクル予測機能を持たず、物理インフォームドニューラルネットワークは複雑な心筋のジオメトリーへの収束に苦慮することが多い。 大規模なFEAシミュレーションデータセットを用いて,LV心筋バイオメカニクスの高速全サイクル推定のための統合グラフベースサロゲートであるCardioGraphFENet(CGFENet)を提案する。 提案するモデルが統合する (i)弱形式に着想を得たグローバルカップリングでメッシュ特徴をキャプチャするグローバルローカルグラフエンコーダ。 (ii) 周期コヒーレント力学をモデル化するための目標体積時間信号に条件付ゲートリカレント単位系テンポラルエンコーダ 3) 単一のフレームワーク内でのロードと逆アンロードの両方のためのサイクル一貫性のある双方向の定式化。 これらの戦略は、従来のFAA基底の真理に対する高い忠実性を可能にし、湾曲パラメータモデルと組み合わせることで、FAAの結果と一致する生理学的に妥当な圧力体積ループを生成する。 特に、サイクル一貫性戦略は、精度の低下を最小限に抑えて、FAA監督の大幅な削減を可能にする。

関連論文リスト

• BEAT-Net: Injecting Biomimetic Spatio-Temporal Priors for Interpretable ECG Classification [1.3909285316906435]
  BEAT-NetはTokenizationフレームワークを用いたバイオミメティックECG分析である。 局所的なビート形態を抽出する特殊なエンコーダによって心臓生理を分解する。 例外的なデータ効率を示し、注釈付きデータの30～35%しか使用せずに、完全に教師付きのパフォーマンスを回復する。
  論文  参考訳（メタデータ） (2026-01-12T08:37:47Z)
• AICRN: Attention-Integrated Convolutional Residual Network for Interpretable Electrocardiogram Analysis [0.4077139177290857]
  本研究は,注意統合畳み込み残差ネットワーク(AICRN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 本アーキテクチャは,レグレッションのためのECG特徴のタイプと空間的位置に対処する空間的およびチャネル的注意関連機構を特化して設計されている。 このシステムは、人間のエラーによる焦点の喪失などの従来の分析課題に対処し、心臓イベントの迅速かつ容易な検出を容易にする。
  論文  参考訳（メタデータ） (2025-08-16T21:10:45Z)
• CodeBrain: Towards Decoupled Interpretability and Multi-Scale Architecture for EEG Foundation Model [52.466542039411515]
  EEGファウンデーションモデル(EFM)は、タスク固有のモデルのスケーラビリティ問題に対処するために登場した。 このギャップを埋めるために設計された2段階のEMFであるCodeBrainを紹介します。 第1段階では、異種時間・周波数の脳波信号を離散トークンに分解するTFDual-Tokenizerを導入する。 第2段階では、構造化されたグローバル畳み込みとスライディングウインドウの注意を結合したマルチスケールEEGSSMアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-06-10T17:20:39Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• ArrhythmiaVision: Resource-Conscious Deep Learning Models with Visual Explanations for ECG Arrhythmia Classification [0.0]
  本稿では,エッジデバイス上での効率的なリアルタイム不整脈分類に最適化されたArrhythmiNet V1とV2を提案する。 MobileNetの深い分離可能な畳み込み設計にインスパイアされたこれらのモデルは、それぞれ302.18KBと157.76KBのメモリフットプリントを維持している。 本研究は, 実用, ウェアラブル, 組込みECGモニタリングシステムにおいて, 解釈可能性, 予測精度, 計算効率の両立の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-04-30T18:22:45Z)
• A CNN-based Local-Global Self-Attention via Averaged Window Embeddings for Hierarchical ECG Analysis [1.0844302367985357]
  本稿では,この制限に対処するため,新しいLGA(Local-Global Attention ECG)モデルを提案する。 提案手法は,重なり合う畳み込みウィンドウから得られる埋め込みを平均化することでクエリを抽出する。 CODE-15データセットで行った実験は、LGA-ECGが最先端モデルより優れていることを示した。
  論文  参考訳（メタデータ） (2025-04-13T01:21:18Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Compact Neural Network Algorithm for Electrocardiogram Classification [0.0]
  不整脈の自動分類のための小型心電図システムを提案する。 このシステムはMIT-BIH不整脈データベース上で97.36%の精度を達成する。
  論文  参考訳（メタデータ） (2024-12-19T19:55:22Z)
• L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
  慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。 人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。 我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
  論文  参考訳（メタデータ） (2024-06-07T12:01:37Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)

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。