論文の概要: VecHeart: Holistic Four-Chamber Cardiac Anatomy Modeling via Hybrid VecSets
- arxiv url: http://arxiv.org/abs/2604.19403v1
- Date: Tue, 21 Apr 2026 12:27:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-22 22:41:49.764315
- Title: VecHeart: Holistic Four-Chamber Cardiac Anatomy Modeling via Hybrid VecSets
- Title（参考訳）: VecHeart: ハイブリッドベクセットによる総体性4チャンバー心解剖モデル
- Authors: Yihong Chen, Pascal Fua,
- Abstract要約: VecHeartは、四面体心構造の全体的再構築と生成のための統一的なフレームワークである。
VecHeartはシームレスに3D+t動的メッシュシーケンス生成に拡張し、例外的な汎用性を示す。
- 参考スコア（独自算出の注目度）: 41.275254607029595
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Accurate cardiac anatomy modeling requires the model to be able to handle intricate interrelations among structures. In this paper, we propose VecHeart, a unified framework for holistic reconstruction and generation of four-chamber cardiac structures. To overcome the limitations of current feed-forward implicit methods, specifically their restriction to single-object modeling and their neglect of inter-part correlations, we introduce Hybrid Part Transformer, which leverages part-specific learnable queries and interleaved attention to capture complex inter-chamber dependencies. Furthermore, we propose Anatomical Completion Masking and Modality Alignment strategies, enabling the model to infer complete four-chamber structures from partial, sparse, or noisy observations, even when certain anatomical parts are entirely missing. VecHeart also seamlessly extends to 3D+t dynamic mesh sequence generation, demonstrating exceptional versatility. Experiments show that our method achieves state-of-the-art performance, maintaining high-fidelity reconstruction across diverse challenging scenarios. Code will be released.
- Abstract（参考訳）: 正確な心臓解剖モデルでは、構造間の複雑な相互関係を扱う必要がある。
本稿では,四面体心構造の総合的再構築と生成のための統合フレームワークであるVecHeartを提案する。
現在のフィードフォワードの暗黙的手法の限界、特に単一対象モデリングの制限、および部分間相関の無視を克服するため、我々はHybrid Part Transformerを導入する。
さらに, 解剖学的部分が完全に欠落している場合でも, 部分的, スパース的, ノイズの多い観察から, 完全な四面体構造を推定できる解剖学的補完マスキングとモダリティアライメント戦略を提案する。
VecHeartはまた、3D+t動的メッシュシーケンス生成にシームレスに拡張し、例外的な汎用性を示している。
実験により,本手法は多種多様な難易度シナリオにまたがる高忠実度再構成を維持できることを示す。
コードはリリースされる。
関連論文リスト
- CardioComposer: Flexible and Compositional Anatomical Structure Generation with Disentangled Geometric Guidance [0.6312872285702812]
本研究では,3次元空間に埋め込まれた解釈可能な楕円体プリミティブを用いて,ヒト解剖学の非条件拡散モデルを導出する枠組みを提案する。
本手法は, 逆拡散過程の導出に幾何モーメントロスを適用した多部分割マップ内の特定の組織の選択を含む。
論文 参考訳（メタデータ） (2025-09-08T23:08:23Z) - Surgical Triplet Recognition via Diffusion Model [59.50938852117371]
外科的三重項認識は、次世代のコンテキスト対応手術室を実現するために必要不可欠なビルディングブロックである。
拡散モデルを用いた外科的三重項認識のための新しい生成フレームワークであるDifftを提案する。
CholecT45とColecT50データセットの実験は、手術用三重項認識のための新しい最先端性能を達成する上で、提案手法の優位性を示している。
論文 参考訳（メタデータ） (2024-06-19T04:43:41Z) - ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。
これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。
テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文 参考訳（メタデータ） (2023-12-11T07:09:32Z) - Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。
この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。
また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
論文 参考訳（メタデータ） (2023-08-31T09:02:53Z) - A Generative Shape Compositional Framework to Synthesise Populations of
Virtual Chimaeras [52.33206865588584]
複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。
心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。
提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
論文 参考訳（メタデータ） (2022-10-04T13:36:52Z)
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。