論文の概要: Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos
- arxiv url: http://arxiv.org/abs/2605.22066v1
- Date: Thu, 21 May 2026 07:01:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.125697
- Title: Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos
- Title（参考訳）: Echo4DIR : 2次元心エコー画像による心臓再建
- Authors: Yanan Liu, Qinya Li, Hao Zhang, Kangjian He, Xuan Yang, Hao Li, Dan Xu, Lei Li,
- Abstract要約: 本研究では,新しいテスト時間4D暗黙的再構成フレームワークであるEcho4DIRを提案する。
我々は,心臓条件付きSDFを用いて,統計的形状モデル(SSM)から頑健な3次元形状を学習する。
我々は、Echo4DIRが最先端の4D心筋メッシュ再構築を実現していることを示し、特に98.35%のDiceと96.75%のIoUの臨床的重複が顕著である。
- 参考スコア（独自算出の注目度）: 35.992365807108584
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing 4D (3D+t) cardiac geometry from sparse 2D echocardiography is highly desirable yet fundamentally challenged by geometric ambiguity and temporal discontinuity. To tackle these issues, we propose Echo4DIR, a novel test-time 4D implicit reconstruction framework. Specifically, we learn robust 3D shape priors from statistical shape models (SSMs) via a cardiac conditional SDF, constructing an Epipolar Mask Encoder module with epipolar cross attention to effectively fuse multi-view features. To bridge the synthetic-to-real domain gap, we introduce a self-supervised SDF-tailored differentiable rendering strategy for patient-specific 3D shape adaptation using uncalibrated clinical masks without requiring 3D ground truth. Crucially, the inherent continuity of implicit representation overcomes sparse observations, enabling anatomically reliable geometry at arbitrary resolutions. Furthermore, to empower our framework with physically continuous 4D extension, we introduce a Radial SDF Alignment strategy that strictly locks shape evolution to the predicted velocity field, fundamentally eliminating mesh drift. Extensive experiments on synthetic benchmarks and real clinical datasets demonstrate that Echo4DIR achieves state-of-the-art 4D cardiac mesh reconstruction, notably yielding an impressive clinical overlap of up to 98.35% Dice and 96.75% IoU.
- Abstract（参考訳）: スパース心エコー図による4D(3D+t)心筋形状の再構成は非常に望ましいが、幾何学的曖昧さと時間的不連続性により根本的な課題が解決される。
これらの課題に対処するため,新しいテストタイム4D暗黙的再構成フレームワークであるEcho4DIRを提案する。
具体的には, マルチビュー特徴を効果的に融合させるために, エピポーラマスクエンコーダモジュールを構築し, 心的条件付きSDFを用いて, 統計的形状モデル(SSM)から頑健な3次元形状を学習する。
人工領域間ギャップを埋めるため, 患者固有の3次元形状適応のための自己教師付きSDF調整可能なレンダリング戦略を, 3次元的真実を必要とせずに導入した。
重要なことに、暗黙の表現の本質的な連続性はスパース観測を克服し、任意の解像度で解剖学的に信頼できる幾何学を可能にした。
さらに,我々のフレームワークを物理的に連続した4D拡張で強化するために,予測速度場への形状変化を厳密にロックし,メッシュドリフトを根本的に排除する放射状SDFアライメント戦略を導入する。
合成ベンチマークと実際の臨床データセットに関する大規模な実験は、Echo4DIRが最先端の4D心筋メッシュの再構築を達成していることを示し、特に98.35%のDiceと96.75%のIoUという驚くべき臨床重なりを生じる。
関連論文リスト
- CineMesh4D: Personalized 4D Whole Heart Reconstruction from Sparse Cine MRI [7.535721717099375]
我々は,CineMesh4Dを提案する。CineMesh4Dは,シネMRIから患者固有の全ハートメッシュを直接再構築する新しいエンド・ツー・エンド4D(3D+t)パイプラインである。
CineMesh4Dは、再構築品質と動作一貫性の点で、既存のアプローチよりも優れています。
論文 参考訳（メタデータ） (2026-05-13T18:05:08Z) - Sculpt4D: Generating 4D Shapes via Sparse-Attention Diffusion Transformers [70.55535980817577]
Sculpt4Dはネイティブな4D生成フレームワークで、効率的な時間的モデリングを事前訓練された3Dトランスにシームレスに統合する。
本研究では,Sculpt4Dが時間的コヒーレントな4D合成において新たな最先端を確立し,効率的でスケーラブルな4D生成への道筋を示す。
論文 参考訳（メタデータ） (2026-04-23T12:18:55Z) - PhaseFlow4D: Physically Constrained 4D Beam Reconstruction via Feedback-Guided Latent Diffusion [78.29352305480285]
フェーズFlow4Dは、不完全な2D観測だけで完全な4D位相空間を再構築し、追跡する。
希土類同位体ビーム施設における重イオンビームの多粒子シミュレーションについて検証した。
論文 参考訳（メタデータ） (2026-04-04T22:37:01Z) - SS4D: Native 4D Generative Model via Structured Spacetime Latents [50.29500511908054]
モノクロビデオから直接動的3Dオブジェクトを合成する,ネイティブな4D生成モデルであるSS4Dを提案する。
発電機を4Dデータで直接訓練し、高忠実度、時間的コヒーレンス、構造的整合性を実現する。
論文 参考訳（メタデータ） (2025-12-16T10:45:06Z) - 3D Heart Reconstruction from Sparse Pose-agnostic 2D Echocardiographic Slices [6.275809518974307]
2次元エコースライスからパーソナライズされた3次元心臓解剖を再構築するための革新的な枠組みを提案する。
6面の平面を用いると、再構成された3次元心臓は、LV体積推定に大きな改善をもたらす可能性がある。
本研究は、心臓超音波によるパーソナライズされた3次元構造と機能解析のための新しい方法を提供する。
論文 参考訳（メタデータ） (2025-07-03T08:13:07Z) - 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) - 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) - DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction
via A Structure-Specific Generative Method [12.26150675728958]
本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。
本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。
特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
論文 参考訳（メタデータ） (2022-06-14T20:46:11Z)
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。