論文の概要: RePCM: Region-Specific and Phenotype-Adaptive Bi-Ventricular Cardiac Motion Synthesis
- arxiv url: http://arxiv.org/abs/2605.21237v1
- Date: Wed, 20 May 2026 14:26:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.722278
- Title: RePCM: Region-Specific and Phenotype-Adaptive Bi-Ventricular Cardiac Motion Synthesis
- Title（参考訳）: RePCM:領域特異的およびフェノタイプ適応二心室運動合成
- Authors: Xuan Yang, Xiaohan Yuan, Hao Li, Lingyu Chen, Yanan Liu, Lei Li,
- Abstract要約: 我々は、よりアクセスしやすいエンドツーエンドのフレームを活用して、フルサイクルシーケンスを推論することに重点を置いている。
RePCM(Regional-Aware and Phenotype-Adaptive Bi-Ventricular Cardiac Motion Synthesis)を提案する。
異なる心血管疾患をカバーする3つのデータセットの実験は、幾何学的および機能的指標において一貫した利得を示す。
- 参考スコア（独自算出の注目度）: 30.58345238806257
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiac motion over a cardiac cycle is crucial for quantifying regional function and is strongly affected by cardiovascular diseases. Since temporally dense mesh sequences are difficult to obtain in practice, we focus on leveraging the more accessible end-diastolic frame to infer a full-cycle sequence. Due to strong regional and disease-specific differences, traditional methods often oversmooth the data by relying on generative models that are optimized for global patterns. To address this problem, we propose Region-Aware and Phenotype-Adaptive Bi-Ventricular Cardiac Motion Synthesis (RePCM) for single frame Bi-ventricular mesh motion completion. In Stage I, a reconstruction network learns vertex wise motion descriptors and clustering yields a data driven functional partition, providing an explicit motion derived region structure. In Stage II, a Region-Specific Injection Module enforces masked, synchronized region exchange within a conditional VAE, preserving localized specific dynamics and restricting cross-region mixing. A Phenotype-Adaptive Mixture-of-Experts prior conditioned on ED shape uses anatomy-guided cues to model latent motion trends and capture inter-disease variability. Experiments on three datasets covering different cardiovascular diseases show consistent gains in geometric and functional metrics and improved preservation of region specific dynamics.
- Abstract（参考訳）: 心臓循環上の心臓運動は、局所的な機能の定量化に不可欠であり、心血管疾患の影響を強く受けている。
時間的に高密度なメッシュ配列を実際に取得することは困難であるため、よりアクセスしやすいエンド・ディストリック・フレームを活用してフルサイクル・シーケンスを推測することに集中する。
地域や病気特有の差異が強いため、伝統的な手法は、グローバルパターンに最適化された生成モデルに頼ることによってデータを過度に単純化することが多い。
この問題に対処するために、単一フレームバイ心室メッシュ動作完了のためのRePCM(Rerea-Aware and Phenotype-Adaptive Bi-Ventricular Motion Synthesis)を提案する。
ステージIでは、再構成ネットワークが頂点ワイズ動作記述子を学習し、クラスタリングによりデータ駆動機能分割が得られ、明示的な動き誘導領域構造が提供される。
ステージIIでは、領域特異的注入モジュールが条件付きVAE内のマスク付き同期領域交換を強制し、局所化された特定のダイナミクスを保持し、クロスリージョン混合を制限する。
ED形状に事前条件付けされたPhenotype-Adaptive Mixture-of-Expertsは、潜伏する動きの傾向をモデル化し、分散間変動を捉えるために解剖誘導的手がかりを使用する。
異なる心血管疾患をカバーする3つのデータセットの実験は、幾何学的および機能的指標において一貫した利得を示し、領域特異的なダイナミクスの保存を改善した。
関連論文リスト
- VecHeart: Holistic Four-Chamber Cardiac Anatomy Modeling via Hybrid VecSets [41.275254607029595]
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。
論文 参考訳（メタデータ） (2026-04-21T12:27:38Z) - Watch Where You Move: Region-aware Dynamic Aggregation and Excitation for Gait Recognition [55.52723195212868]
GaitRDAEは、自動的に動き領域を検索し、適応的な時間スケールを割り当て、対応する注意を向けるフレームワークである。
実験の結果、GaitRDAEはいくつかのベンチマークデータセットで最先端のパフォーマンスを達成することがわかった。
論文 参考訳（メタデータ） (2025-10-18T15:36:08Z) - Multimodal Disease Progression Modeling via Spatiotemporal Disentanglement and Multiscale Alignment [16.824692012617334]
$textttDiPro$は、リージョン対応のアンタングルメントとマルチタイムアライメントによる課題に対処する新しいフレームワークである。
MIMICデータセットの実験では、$textttDiPro$が時間的臨床的ダイナミクスを効果的に抽出できることが示されている。
論文 参考訳（メタデータ） (2025-10-13T08:02:36Z) - Latent Interpolation Learning Using Diffusion Models for Cardiac Volume Reconstruction [26.7771170972558]
既存の手法では、事前定義されたスキームへの依存、計算の非効率性、追加のセマンティック入力への依存など、課題に直面している。
スパーススライス間の複雑で非時間的関係を捉えることができる,データ駆動型潜在性補間拡散(CaLID)フレームワークを提案する。
第2に,潜伏空間で動作し,24倍の3次元ハートアップサンプリングを高速化し,計算時間を短縮する計算効率のよい手法を設計する。
第3に,提案手法を2D+Tデータに拡張し,時間的コヒーレンスを効果的にモデル化する。
論文 参考訳（メタデータ） (2025-08-19T13:36:16Z) - PDC-Net: Pattern Divide-and-Conquer Network for Pelvic Radiation Injury Segmentation [42.073820114256826]
PRIセグメンテーションのためのPattern Divide-and-Conquer Network (PDC-Net)を提案する。
コアとなる考え方は、さまざまなネットワークモジュールを使用して、さまざまなローカルパターンとグローバルパターンを“分割”することだ。
骨盤内放射線損傷の最初の大規模データセットについて検討した。
論文 参考訳（メタデータ） (2025-06-21T13:25:19Z) - Preserving Cardiac Integrity: A Topology-Infused Approach to Whole Heart Segmentation [6.495726693226574]
全心セグメンテーション(WHS)は、心臓血管疾患の診断、疾患のモニタリング、治療計画、予後をサポートする。
本稿では,深層ニューラルネットワークに統合された新しいトポロジ保存モジュールを提案する。
この実装は、学習したトポロジ保存フィールドを用いて、完全に3次元の畳み込みに基づいており、3次元のボクセルデータに対して非常に効果的である、解剖学的に妥当なセグメンテーションを実現する。
論文 参考訳（メタデータ） (2024-10-14T14:32:05Z) - A personalized time-resolved 3D mesh generative model for unveiling normal heart dynamics [6.6350578770951385]
心臓左室の形状と運動パターンの分布を学習するための条件付き生成モデルであるMeshHeartを開発した。
MeshHeartに基づいて、3D+t心筋メッシュ配列の潜時空間を調査し、そのパーソナライズされた規範パターンから実際の心臓の偏差を定量化する距離距離測度である潜時デルタを提案する。
論文 参考訳（メタデータ） (2024-09-20T18:08:37Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - GS-EMA: Integrating Gradient Surgery Exponential Moving Average with
Boundary-Aware Contrastive Learning for Enhanced Domain Generalization in
Aneurysm Segmentation [41.97669338211682]
勾配手術指数移動平均(GS-EMA)最適化手法と境界対応コントラスト学習(BACL)を利用した新しい領域一般化戦略を提案する。
我々のアプローチは、ドメイン不変の特徴を学習することで、新しい未確認領域に適応し、様々な臨床データセット間での動脈瘤セグメンテーションの堅牢性と正確性を向上させることができるという点で際立っている。
論文 参考訳（メタデータ） (2024-02-23T10:02:15Z) - Volumetric parcellation of the right ventricle for regional geometric
and functional assessment [0.44226489787197854]
そこで我々は,3つのRV領域(apical, inlet, outflow)を局所的に評価する手法を開発した。
この手法の入力は、エンドシストリクス(ED)とエンドシストリクス(ES)セグメンテーションされた3次元表面モデルである。
本手法は,局所的周方向,大域的周方向,縦方向のRVリモデリングに適していることを示す。
論文 参考訳（メタデータ） (2020-03-18T18:31:26Z)
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。