論文の概要: EchoXFlow: A Beamspace Echocardiography Dataset for Cardiac Motion, Flow, and Function

• arxiv url: http://arxiv.org/abs/2605.05447v1
• Date: Wed, 06 May 2026 21:18:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.419443
• Title: EchoXFlow: A Beamspace Echocardiography Dataset for Cardiac Motion, Flow, and Function
• Title（参考訳）: EchoXFlow: 心臓運動・血流・機能のためのビームスペース心エコーデータセット
• Abstract要約: EchoXFlowは、666の定期診療検査から37125の録音で構成されている。 各録音は、分離可能なモダリティ固有のストリームとして保持される。 関連するオープンソースツールにより、EchoXFlowは、クロスモーダルで買収対応の学習タスクを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce EchoXFlow, a clinical echocardiography dataset for learning from ultrasound in its native acquisition geometry rather than from scan-converted Cartesian videos. Existing public datasets offer limited opportunities to study cross-modal relationships between cardiac anatomy, myocardial motion, and blood flow, as Doppler is typically absent or fused as RGB overlays, and acquisitions are released after lossy vendor display processing. EchoXFlow comprises 37125 recordings from 666 routine-care examinations, preserving the timing, geometry, and modality relationships needed for physically grounded echo learning. Each recording is retained as separable modality-specific streams: temporally resolved 1D, 2D, and 3D data alongside multiple Doppler modalities, paired with a synchronized ECG. Clinical annotations span guideline-based measurements to dense 2D myocardial contours and 3D left-ventricular endocardial meshes. With its associated open-source tooling, EchoXFlow enables cross-modal, acquisition-aware learning tasks that cannot be formulated from conventional scan-converted videos alone, and serves as a testbed for 4D vision and physically grounded multi-modal learning more broadly.
• Abstract（参考訳）: 本稿では, 超音波検査による心エコー図データであるEchoXFlowを, スキャン変換されたカルテシアンビデオではなく, ネイティブな取得形態で学習する。 既存の公開データセットは、心臓解剖、心筋運動、血流の相互関係を研究するための限られた機会を提供する。 EchoXFlowは、666の定期的なケア試験から37125の録音を収録し、物理的に接地されたエコー学習に必要なタイミング、形状、モダリティの関係を保存する。 各記録は、同期ECGと組み合わせた複数のドップラー変調とともに、時間的に解決された1D、2D、3Dデータと分離可能なモダリティ固有ストリームとして保持される。 臨床的アノテーションは、高濃度の2D心筋輪郭と3D左室心内膜メッシュへのガイドラインに基づく測定にまたがる。 関連するオープンソースツールによって、EchoXFlowは、従来のスキャン変換ビデオだけでは定式化できない、クロスモーダルで買収対応の学習タスクを可能にし、4Dビジョンのためのテストベッドとして機能し、より広義のマルチモーダル学習を提供する。

関連論文リスト

• Echo-POSED: Geometric Self-Distillation for Echocardiography Guidance [0.7588863588485085]
  本稿では,リアルタイム経胸壁心エコー法(TTE)誘導のための自己教師型フレームワークであるEcho-POSEDを紹介する。 2D超音波画像から直接プローブ調整を推奨するが、専門家による視点や追跡されたプローブ軌道は不要である。
  論文  参考訳（メタデータ） (2026-05-30T20:37:43Z)
• PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
  ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。 現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。 本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
  論文  参考訳（メタデータ） (2026-03-20T08:37:02Z)
• Automated Interpretable 2D Video Extraction from 3D Echocardiography [0.9320657506524149]
  心臓超音波による従来の医療画像は、個々の心臓構造を示す一連の2Dビデオに依存している。 心臓超音波の3次元容積から標準2次元ビューを自動選択する手法を提案する。
  論文  参考訳（メタデータ） (2025-11-20T00:40:43Z)
• S2MNet: Speckle-To-Mesh Net for Three-Dimensional Cardiac Morphology Reconstruction via Echocardiogram [8.28431711854234]
  ほとんどの臨床心エコー図は2次元像のみを提供し、3次元の心臓解剖と機能を完全に評価する能力を制限する。 本研究では,日常的に取得した2次元心エコー図の6つのスライスを統合することで,連続的かつ高忠実な3次元心臓モデルを再構築する深層学習フレームワークS2MNetを提案する。
  論文  参考訳（メタデータ） (2025-05-09T14:56:48Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
  本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。 既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。 このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-03T17:18:33Z)
• Training-Free Condition Video Diffusion Models for single frame Spatial-Semantic Echocardiogram Synthesis [0.16874375111244325]
  条件付きビデオ拡散モデル(CDM)はビデオ合成に有望な結果を示した。 本稿では,1つの終端セグメントマップからリアルな心エコー画像を生成するFree-Echoという新しい手法を提案する。 我々のモデルでは,入力セグメンテーションマップに空間的に整合したプラウシブル心エコー図を作成でき,トレーニングベースのCDMに匹敵する性能を達成できる。
  論文  参考訳（メタデータ） (2024-08-06T08:31:34Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• End-to-End Deep Learning Model for Cardiac Cycle Synchronization from Multi-View Angiographic Sequences [3.4377441151536376]
  異なるビューの時間的マッチングは、同時に取得されない可能性があるが、冠動脈セグメントの正確なステレオマッチングの前提条件である。 心臓循環中に異なる視点を同期させるため、血管造影シークエンスからニューラルネットワークをトレーニングする方法を示す。
  論文  参考訳（メタデータ） (2020-09-04T18:11:50Z)

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。