論文の概要: Physiology and Anatomy Aware Inverse Inference of Myocardial Infarction for Cardiac Digital Twin
- arxiv url: http://arxiv.org/abs/2605.22044v1
- Date: Thu, 21 May 2026 06:32:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.117599
- Title: Physiology and Anatomy Aware Inverse Inference of Myocardial Infarction for Cardiac Digital Twin
- Title（参考訳）: 心臓デジタル双生児における心筋梗塞の病態と解剖
- Authors: Mengxiao Wang, Yilin Lyu, Julia Camps, Ching Hui Sia, Mark Yan-Yee Chan, Yanrui Jin, Shuzhi Sam Ge, Chengliang Liu, Lei Li,
- Abstract要約: 既存のMI推論手法は、リアルな傷跡形態と心臓再分極を見落としている。
心臓デジタル双生児を用いた非侵襲的MI局在化のための新しい枠組みを提案する。
我々のフレームワークは、逆推論で既存のメソッドを著しく上回ります。
- 参考スコア（独自算出の注目度）: 19.301818693988032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate localization of myocardial infarction is essential for risk stratification. While LGE-MRI remains the gold standard, it is resource-intensive. Integrating cine MRI with ECG enables a more detailed representation of infarct properties. Existing inverse MI inference methods overlook realistic scar morphology and cardiac repolarization, reducing sensitivity to subtle ECG variations and interpretability of infarct-induced electrophysiological changes. In this paper, we propose a novel framework for noninvasive MI localization using cardiac digital twins. To bridge the domain gap between simulation and reality, we introduce an anatomy-aware stochastic infarct synthesis strategy to synthesize realistic, irregular scars with border zones, mimicking ischemic transmural progression. We then construct a virtual cohort to simulate QRS-T waveforms, capturing both depolarization and repolarization dynamics. Furthermore, we design a Physiology and Anatomy Aware Network (PAA-Net) that jointly encodes 3D myocardial geometry and multi-lead ECGs to infer infarct areas with varying localizations, sizes, spatial extents, and transmuralities. Experimental results demonstrate that our framework significantly outperforms existing methods in inverse inference, achieving Dice scores of 0.7391 and 0.5503 for scar and border zone segmentation, respectively, while further enhancing the interpretability of the ECG-infarct relationship. Our code will be released upon acceptance.
- Abstract（参考訳）: 心筋梗塞の正確な局所化は、リスク層形成に不可欠である。
LGE-MRIは依然として金の標準であるが、資源集約である。
cine MRIとECGを統合することで、より詳細な梗塞特性の表現が可能になる。
既存のMI推論手法は、リアルな傷跡形態と心臓再分極を見落とし、微妙な心電図の変化に対する感受性と梗塞による電気生理学的変化の解釈可能性を減らす。
本稿では,心臓デジタル双生児を用いた非侵襲的MI局在化のための新しい枠組みを提案する。
シミュレーションと現実の領域ギャップを埋めるために,本研究では,虚血性経水的進行を模した,現実的で不規則な傷跡を境界帯で合成する解剖学的確率論的梗塞合成戦略を導入する。
次に、QRS-T波形をシミュレートする仮想コホートを構築し、非分極と再分極ダイナミクスの両方をキャプチャする。
さらに,3次元心筋形状とマルチリード心電図を共同で符号化し,局所性,大きさ,空間範囲,膜透過性の異なる梗塞領域を推定する生理学・解剖学意識ネットワーク(PAA-Net)を設計する。
実験の結果,本フレームワークは既存の逆推論法よりも有意に優れており,心電図-梗塞関係の解釈可能性を高めつつ,傷跡・境界領域分割のDiceスコアが0.7391,0.5503と高いことがわかった。
私たちのコードは受け入れ次第解放されます。
関連論文リスト
- PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。
既存の手法は統計アライメントとデータ駆動生成に依存している。
生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
論文 参考訳（メタデータ） (2026-05-09T07:39:58Z) - PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。
我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。
まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。
第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
論文 参考訳（メタデータ） (2026-04-01T15:57:18Z) - Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。
本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。
臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
論文 参考訳（メタデータ） (2026-03-09T15:39:57Z) - Dual-Phase Cross-Modal Contrastive Learning for CMR-Guided ECG Representations for Cardiovascular Disease Assessment [5.214355651899765]
本稿では,心電図から臨床的に関連のある心臓表現型の抽出を改善するための対照的な学習フレームワークを提案する。
本稿では,心電図から画像由来の表現型を抽出し,特に機能パラメーターについて述べる。
この戦略により、ECGから画像由来の特徴をスケーラブルかつ費用効率良く抽出できる。
論文 参考訳（メタデータ） (2026-02-13T12:34:28Z) - Seeing Beyond the Image: ECG and Anatomical Knowledge-Guided Myocardial Scar Segmentation from Late Gadolinium-Enhanced Images [27.004544616435407]
本稿では,心電図由来の電気生理学的情報とAHA-17アトラスの解剖学的先行情報を統合した新しい枠組みを提案する。
本手法は, 臨床データセットを用いて評価し, 最新の画像のみのベースラインよりも大幅に向上した。
論文 参考訳（メタデータ） (2025-11-18T17:42:20Z) - Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。
SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。
実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
論文 参考訳（メタデータ） (2025-11-13T02:57:10Z) - CLAIM: Clinically-Guided LGE Augmentation for Realistic and Diverse Myocardial Scar Synthesis and Segmentation [3.052913696182197]
CLAIM: textbfClinically-Guided textbfLGE textbfAugmentation for Realtextbfiiyocardial Scar Synthesis and framework。
SMILEモジュールは、臨床で採用されているAHA 17セグメントモデルで拡散ベースのジェネレータを条件に、解剖学的に一貫性があり空間的に多様な傷跡パターンで画像を合成する。
実験結果から, CLAIMは解剖学的に整合性のある傷跡パターンを生成し, ベースラインモデルと比較してDiceと実際の傷跡分布との類似性が高いことがわかった。
論文 参考訳（メタデータ） (2025-06-18T15:21:34Z) - Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using
Deep Computational Models for Inverse Inference [6.447210290674733]
シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。
感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
論文 参考訳（メタデータ） (2023-07-10T08:54:12Z) - Error correcting 2D-3D cascaded network for myocardial infarct scar segmentation on late gadolinium enhancement cardiac magnetic resonance images [1.099532646524593]
本稿では、完全自動で心筋梗塞の程度を計算できる畳み込みニューラルネットワーク(CNN)のケースケードフレームワークを提案する。
心筋梗塞のセグメンテーションにおいて,我々の枠組みは最先端の基準法よりも優れていた。
論文 参考訳（メタデータ） (2023-06-26T14:21:18Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。