論文の概要: Chain of Flow: A Foundational Generative Framework for ECG-to-4D Cardiac Digital Twins

• arxiv url: http://arxiv.org/abs/2602.22919v1
• Date: Thu, 26 Feb 2026 12:06:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.672187
• Title: Chain of Flow: A Foundational Generative Framework for ECG-to-4D Cardiac Digital Twins
• Title（参考訳）: Chain of Flow:ECG-to-4D心臓デジタル双生児のための基礎的生成フレームワーク
• Authors: Haofan Wu, Nay Aung, Theodoros N. Arvanitis, Joao A. C. Lima, Steffen E. Petersen, Le Zhang,
• Abstract要約: チェイン・オブ・フロー(Chain of Flow、COF)は、心電図によって駆動される、単一の心臓循環から完全な4次元心構造と運動を再構築する生成フレームワークである。 心電図から直接4D臓器を再構築することで、COFは心臓のデジタル双生児を完全に生成し、患者固有の仮想心臓に変える。
• 参考スコア（独自算出の注目度）: 4.615980870195537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A clinically actionable Cardiac Digital Twin (CDT) should reconstruct individualised cardiac anatomy and physiology, update its internal state from multimodal signals, and enable a broad range of downstream simulations beyond isolated tasks. However, existing CDT frameworks remain limited to task-specific predictors rather than building a patient-specific, manipulable virtual heart. In this work, we introduce Chain of Flow (COF), a foundational ECG-driven generative framework that reconstructs full 4D cardiac structure and motion from a single cardiac cycle. The method integrates cine-CMR and 12-lead ECG during training to learn a unified representation of cardiac geometry, electrophysiology, and motion dynamics. We evaluate Chain of Flow on diverse cohorts and demonstrate accurate recovery of cardiac anatomy, chamber-wise function, and dynamic motion patterns. The reconstructed 4D hearts further support downstream CDT tasks such as volumetry, regional function analysis, and virtual cine synthesis. By enabling full 4D organ reconstruction directly from ECG, COF transforms cardiac digital twins from narrow predictive models into fully generative, patient-specific virtual hearts. Code will be released after review.
• Abstract（参考訳）: 臨床的に実行可能な心臓デジタル双生児(CDT)は、個別の心臓解剖学と生理学を再構築し、マルチモーダル信号から内部状態を更新し、孤立したタスクを超えて幅広い下流シミュレーションを可能にする。 しかし、既存のCDTフレームワークは、患者固有の操作可能な仮想心臓を構築するのではなく、タスク固有の予測器に限られている。 本研究は,心電図駆動型生成フレームワークであるChain of Flow (COF)を紹介する。 この方法は、トレーニング中にcine-CMRと12-lead ECGを統合し、心臓の幾何学、電気生理学的、運動力学の統一的な表現を学ぶ。 各種コホート上でのフローの連鎖を評価し,心臓解剖,室内機能,動的運動パターンの正確な回復を実証した。 再建された4D心臓は、ボリュームトリー、地域機能解析、仮想シネ合成などの下流CDTタスクをさらにサポートする。 心電図から直接4D臓器を再構築することで、COFは心臓のデジタル双生児を狭い予測モデルから完全に生成し、患者固有の仮想心臓に変換する。 コードはレビュー後にリリースされる。

関連論文リスト

• Dual-Phase Cross-Modal Contrastive Learning for CMR-Guided ECG Representations for Cardiovascular Disease Assessment [5.214355651899765]
  本稿では,心電図から臨床的に関連のある心臓表現型の抽出を改善するための対照的な学習フレームワークを提案する。 本稿では,心電図から画像由来の表現型を抽出し,特に機能パラメーターについて述べる。 この戦略により、ECGから画像由来の特徴をスケーラブルかつ費用効率良く抽出できる。
  論文  参考訳（メタデータ） (2026-02-13T12:34:28Z)
• ECGFlowCMR: Pretraining with ECG-Generated Cine CMR Improves Cardiac Disease Classification and Phenotype Prediction [23.66531382713075]
  ECGFlowCMRは、相認識型マスドオートエンコーダ(PA-MAE)と解剖-運動不整流(AMDF)を統合した新しいECG-to-CMR生成フレームワークである。 我々は,ECGFlowCMRが心電図入力から現実的なシネCMR配列を生成できることを示す。
  論文  参考訳（メタデータ） (2026-01-28T12:13:00Z)
• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• Anatomically Constrained Transformers for Echocardiogram Analysis [38.280536446335056]
  ViACTは変形解剖学的構造を点集合として表現し、その空間幾何学と対応する画像パッチの両方をトランスフォーマートークンにエンコードする。 事前トレーニング中、ViACTは、解剖学的パッチのみをマスクし再構成するマスク付き自動エンコーディング戦略に従っている。 ViACTは、タスク固有のコンポーネントを必要とせずに、心筋ポイントトラッキングに一般化する。
  論文  参考訳（メタデータ） (2025-11-02T22:52:30Z)
• Personalized 4D Whole Heart Geometry Reconstruction from Cine MRI for Cardiac Digital Twins [19.569493255428334]
  マルチビュー2D心血管MRIから4D(3D+t)心筋メッシュを直接再構築する弱い教師付き学習モデルを提案する。 これは、シネMRIと4D心筋メッシュの自己教師付きマッピングを学習することで達成される。 結果として生じる4D心筋メッシュは、キー心臓変数の自動抽出を容易にする。
  論文  参考訳（メタデータ） (2025-07-21T03:01:33Z)
• 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)
• Patient-Specific Dynamic Digital-Physical Twin for Coronary Intervention Training: An Integrated Mixed Reality Approach [33.92599418560439]
  既存のトレーニングシステムは、心臓生理学の正確なシミュレーションを欠いている。 本研究は4D-CTAに基づく総合的動的心モデル研究フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-05-16T06:13:55Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• CNN-based Cardiac Motion Extraction to Generate Deformable Geometric Left Ventricle Myocardial Models from Cine MRI [0.0]
  Cine心MR画像からLV心筋の患者特異的幾何モデルの開発のための枠組みを提案する。 我々はvoxelmorph-based convolutional neural network (cnn) を用いて、心周期の次のフレームにエンドダイアゾールフレームの等表面メッシュとボリュームメッシュを伝搬する。
  論文  参考訳（メタデータ） (2021-03-30T21:34:29Z)
• SimGANs: Simulator-Based Generative Adversarial Networks for ECG Synthesis to Improve Deep ECG Classification [37.73516738836885]
  心電図(ECG)合成の問題点について検討した。 心臓動態を表す常微分方程式の系を用いて、生物学的に妥当な心電図トレーニング例を作成する。
  論文  参考訳（メタデータ） (2020-06-27T12:17:21Z)

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。