論文の概要: OSA: Echocardiography Video Segmentation via Orthogonalized State Update and Anatomical Prior-aware Feature Enhancement
- arxiv url: http://arxiv.org/abs/2603.26188v1
- Date: Fri, 27 Mar 2026 09:02:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.413995
- Title: OSA: Echocardiography Video Segmentation via Orthogonalized State Update and Anatomical Prior-aware Feature Enhancement
- Title（参考訳）: OSA: 直交状態更新と解剖学的事前認識機能拡張による心エコー画像分割
- Authors: Rui Wang, Huisi Wu, Jing Qin,
- Abstract要約: 我々は、Stiefel多様体上の状態進化を制約するフレームワークであるOSAを紹介する。
臨床展開におけるリアルタイム推論効率を維持しつつ,最先端のセグメンテーション精度と時間安定性を実現していることを示す。
- 参考スコア（独自算出の注目度）: 33.432715703434475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and temporally consistent segmentation of the left ventricle from echocardiography videos is essential for estimating the ejection fraction and assessing cardiac function. However, modeling spatiotemporal dynamics remains difficult due to severe speckle noise and rapid non-rigid deformations. Existing linear recurrent models offer efficient in-context associative recall for temporal tracking, but rely on unconstrained state updates, which cause progressive singular value decay in the state matrix, a phenomenon known as rank collapse, resulting in anatomical details being overwhelmed by noise. To address this, we propose OSA, a framework that constrains the state evolution on the Stiefel manifold. We introduce the Orthogonalized State Update (OSU) mechanism, which formulates the memory evolution as Euclidean projected gradient descent on the Stiefel manifold to prevent rank collapse and maintain stable temporal transitions. Furthermore, an Anatomical Prior-aware Feature Enhancement module explicitly separates anatomical structures from speckle noise through a physics-driven process, providing the temporal tracker with noise-resilient structural cues. Comprehensive experiments on the CAMUS and EchoNet-Dynamic datasets show that OSA achieves state-of-the-art segmentation accuracy and temporal stability, while maintaining real-time inference efficiency for clinical deployment. Codes are available at https://github.com/wangrui2025/OSA.
- Abstract（参考訳）: 心エコービデオによる左心室の正確な時間的整合性セグメンテーションは,心機能評価に必要である。
しかし、スペックルノイズや急激な非剛性変形のため、時空間力学のモデリングは難しいままである。
既存の線形リカレントモデルは、時間的追跡のための効率的なコンテキスト内連想的リコールを提供するが、制約のない状態更新に依存し、状態行列における進行特異値の崩壊を引き起こす。
この問題に対処するため、我々はStiefel多様体上の状態進化を制限するフレームワークであるOSAを提案する。
直交状態更新(OSU)機構を導入し、ストイフェル多様体上のユークリッド射影勾配勾配としてメモリの進化を定式化し、階調崩壊を防止し、安定した時間遷移を維持する。
さらに、解剖学的事前認識機能強化モジュールは、物理学駆動のプロセスを通じて、解剖学的構造をスペックルノイズから明確に分離し、ノイズ耐性構造的手がかりを備えた時間トラッカーを提供する。
CAMUSとEchoNet-Dynamicデータセットの総合的な実験によると、OSAは、臨床展開のためのリアルタイム推論効率を維持しながら、最先端のセグメンテーション精度と時間的安定性を達成する。
コードはhttps://github.com/wangrui2025/OSAで公開されている。
関連論文リスト
- Real-Time Glottis Detection Framework via Spatial-decoupled Feature Learning for Nasal Transnasal Intubation [13.846515413602722]
組込みデバイスとエッジデバイスのための軽量かつ効率的なグロッティ検出フレームワークであるMobile GlottisNetを提案する。
このモデルには構造的認識と空間的アライメント機構が含まれており、複雑な解剖学的および視覚的条件下でのロバストな声門局在を可能にする。
実験の結果,PIDデータセットと臨床データセットの両方で5MB程度の大きさのモデルでは,デバイス上で62FPS以上,エッジプラットフォーム上で33FPS以上の推論速度が得られた。
論文 参考訳（メタデータ） (2026-03-08T13:36:18Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - TTSA3R: Training-Free Temporal-Spatial Adaptive Persistent State for Streaming 3D Reconstruction [11.124244013253806]
ストリーミングリカレントモデルは、永続的な状態表現を維持することで効率的な3D再構成を可能にする。
近年の手法では、アダプティブシグナルを注意視点から導き出すことによってこれを緩和している。
本稿では,時間的状態の進化と空間的観察品質の両面を活用する,TTSA3Rというトレーニングフリーフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-30T06:14:42Z) - Unleashing Temporal Capacity of Spiking Neural Networks through Spatiotemporal Separation [67.69345363409835]
スパイキングニューラルネットワーク(SNN)は、時間的処理に自然に適していると考えられており、膜電位の伝播は、コア時間的モデリングメカニズムとして広く見なされている。
我々は, 膜伝播を段階的に段階的に除去する非ステートフル(NS)モデルの設計を行った。
論文 参考訳（メタデータ） (2025-12-05T07:05:53Z) - TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。
既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。
本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
論文 参考訳（メタデータ） (2025-12-04T08:44:50Z) - EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。
これは、パッチの計算上の利点を維持しながら、時間構造を保存する。
長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
論文 参考訳（メタデータ） (2025-09-30T12:09:56Z) - Spatiotemporal graph neural process for reconstruction, extrapolation, and classification of cardiac trajectories [1.7123388415209657]
この研究は、心臓の動きを解析するための柔軟なアプローチを導入している。
構造化バイオメディカル時系列データにおけるグラフベースの学習の基礎を提供する。
論文 参考訳（メタデータ） (2025-09-16T10:57:51Z) - StPR: Spatiotemporal Preservation and Routing for Exemplar-Free Video Class-Incremental Learning [79.44594332189018]
CIL(Class-Incremental Learning)は、以前取得した知識を使わずに、時間とともに新しいアクションカテゴリを継続的に学習するモデルの開発を目指している。
既存のアプローチでは、メモリとプライバシに関する懸念を忘れたり、あるいは時間的モデリングを無視する静的なイメージベースのメソッドを適用したりする。
本稿では,情報を明示的に切り離して保存する,統一的で非定型なVCILフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-20T06:46:51Z) - Temporal Propagation of Asymmetric Feature Pyramid for Surgical Scene Segmentation [7.150163844454341]
手術シーンのセグメンテーションは,ロボットによる腹腔鏡下手術理解に不可欠である。
現在のアプローチでは、(i)静的な画像制限ときめ細かい構造的詳細という2つの課題に直面している。
クロスフレーム特徴伝搬を実現する双方向アテンションアーキテクチャである時間非対称特徴伝搬ネットワークを提案する。
本フレームワークは外科的シーン理解のための時間的指導と文脈的推論の両方を可能にする。
論文 参考訳（メタデータ） (2025-04-18T03:41:23Z)
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。