論文の概要: EchoTracker2: Enhancing Myocardial Point Tracking by Modeling Local Motion
- arxiv url: http://arxiv.org/abs/2605.12140v1
- Date: Tue, 12 May 2026 13:59:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.895603
- Title: EchoTracker2: Enhancing Myocardial Point Tracking by Modeling Local Motion
- Title（参考訳）: EchoTracker2:局所運動のモデリングによる心筋点追跡の強化
- Authors: Md Abulkalam Azad, Vegard Holmstrøm, John Nyberg, Lasse Lovstakken, Håvard Dalen, Bjørnar Grenne, Andreas Østvik,
- Abstract要約: 心エコー検査では, 運動推定の有効な方向として, 心筋点追跡(MPT)が出現している。
我々は,局所的なコンテキストで画素精度を向上する,微細ステージのみのアーキテクチャである textEchoTracker2 を提案する。
最高の汎用点追跡法と比較すると、それぞれ$2.0%$と$5.3%$である。
- 参考スコア（独自算出の注目度）: 0.7273358958058737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Myocardial point tracking (MPT) has recently emerged as a promising direction for motion estimation in echocardiography, driven by advances in general-purpose point tracking methods. However, myocardial motion fundamentally differs from motion encountered in natural videos, as it arises from physiologically constrained deformation that is spatially and temporally continuous throughout the cardiac cycle. Consequently, motion trajectories typically remain locally confined despite substantial tissue deformation. Motivated by these properties, we revisit the architectural design for MPT and find that coarse initialization in commonly used two-stage coarse-to-fine architectures may be unnecessary in this domain. In this work, we propose a fine-stage-only architecture, \textbf{EchoTracker2}, which enriches pixel-precise features with local spatiotemporal context and integrates them with long-range joint temporal reasoning for robust tracking. Experimental results across in-distribution, out-of-distribution (OOD), and public synthetic datasets show that our model improves position accuracy by $6.5\%$ and reduces median trajectory error by $12.2\%$ relative to a domain-specific state-of-the-art (SOTA) model. Compared to the best general-purpose point tracking method, the improvements are $2.0\%$ and $5.3\%$, respectively. Moreover, EchoTracker2 shows better agreement with expert-derived global longitudinal strain (GLS) and enhances test-rest reproducibility. Source code will be available at: https://github.com/riponazad/ptecho.
- Abstract（参考訳）: 心エコー図では, 汎用点追跡法の進歩を契機として, 心電図における運動推定の有望な方向として, MPTが最近出現している。
しかし、心筋運動は、心周期を通して空間的かつ時間的に連続する生理的拘束された変形から生じるため、自然ビデオで発生する運動と根本的に異なる。
その結果、運動軌跡は組織がかなり変形しているにもかかわらず、通常局所的に閉じこめられている。
これらの特性によって、MPTのアーキテクチャ設計を再考し、一般的に使われている2段階の粗大なアーキテクチャにおける粗大な初期化は、この領域では不要である可能性があることを発見した。
本研究では,局所時空間で画素精度を向上し,ロバストトラッキングのための長距離共同時間推論と統合する,ファインステージのみのアーキテクチャである \textbf{EchoTracker2} を提案する。
分布内分布,アウト・オブ・ディストリビューション (OOD) および公開合成データセットによる実験結果から,我々のモデルは位置精度を6.5 %$で改善し,ドメイン固有のSOTAモデルと比較して中央軌道誤差を12.2 %$で低減することがわかった。
最高の汎用点追跡法と比較すると、それぞれ$2.0\%$と$5.3\%$である。
さらに、EchoTracker2は、専門家由来のグローバル縦断ひずみ(GLS)とのより良い一致を示し、テストレスト再現性を高める。
ソースコードは、https://github.com/riponazad/ptecho.comから入手できる。
関連論文リスト
- Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。
類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
論文 参考訳（メタデータ） (2026-04-14T12:37:39Z) - Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging [0.0]
HR-pQCT画像における動きアーティファクトをシミュレートするために,従来のシノグラムに基づく手法を最適化する。
本研究では,実世界(ターゲット)データセットと実世界(ターゲット)データセットの両方の動作成果物を扱うために,エッジ強化型自己注意型ワッサースタイン生成適応ネットワーク(ESWGAN-GP)を提案する。
論文 参考訳（メタデータ） (2025-09-13T19:43:05Z) - Taming Modern Point Tracking for Speckle Tracking Echocardiography via Impartial Motion [0.686108371431346]
本研究は, 超音波検査における最先端点追跡法の可能性について検討し, 心エコー検査に焦点をあてる。
実際のBモード超音波ビデオにおいて心臓の周期を通しての運動を解析することにより、方向運動バイアスが既存のトレーニング戦略に影響を与えていることを同定する。
偏見を低減し, 心臓運動による一般化とロバスト性の向上を図った。
論文 参考訳（メタデータ） (2025-07-14T10:18:26Z) - X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [64.2059940799033]
現在の方法では、時間分解能を呼吸ゲーティング装置で固定相に識別する。
新規なフレームワークであるX$2$-Gaussianは、動的放射スプラッティングと自己監督型呼吸運動学習を統合することで、連続的な4DCT再構成を可能にする。
論文 参考訳（メタデータ） (2025-03-27T17:59:57Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - Bidirectional Recurrence for Cardiac Motion Tracking with Gaussian Process Latent Coding [9.263168872795843]
GPTrackは、心臓運動の時間的および空間的ダイナミクスを探求するために作られた、教師なしのフレームワークである。
逐次ガウス過程を潜時空間で利用し、各時刻スタンプにおける空間情報による統計を符号化することにより、モーショントラッキングを強化する。
GPTrackは,3次元および4次元の医用画像における運動追跡の精度を,計算効率を保ちながら向上させる。
論文 参考訳（メタデータ） (2024-10-28T05:33:48Z) - EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。
実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。
このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
論文 参考訳（メタデータ） (2024-05-14T13:24:51Z) - LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [53.5449912019877]
本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。
LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。
これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
論文 参考訳（メタデータ） (2024-01-03T18:57:27Z) - Unsupervised Landmark Detection Based Spatiotemporal Motion Estimation
for 4D Dynamic Medical Images [16.759486905827433]
2段階からなるDense-Sparse-Dense (DSD) の新たな動き推定フレームワークを提案する。
第1段階では, 対象臓器解剖学的トポロジーを表すために, 粗いランドマークを抽出するために, 生の高密度画像を処理する。
第2段階では、異なる時間点の2つの画像の抽出されたスパースランドマークからスパース運動変位を導出する。
論文 参考訳（メタデータ） (2021-09-30T02:06:02Z)
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。