論文の概要: Towards 3D heart mesh generation using contactless radar imaging and physics-informed neural network

• arxiv url: http://arxiv.org/abs/2605.26003v1
• Date: Mon, 25 May 2026 16:20:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.465014
• Title: Towards 3D heart mesh generation using contactless radar imaging and physics-informed neural network
• Title（参考訳）: 無接触レーダイメージングと物理インフォームドニューラルネットワークによる3次元心臓メッシュ生成に向けて
• Authors: Jinye Li, Chenxi Fu, Minghang Zheng, Yang Liu, Xiahai Zhuang, Qingchao Chen,
• Abstract要約: ミリ波レーダーと合成開口レーダ(SAR)モードは、プライバシ保護とポータブルな臨床応用を提供する。 粗いメッシュ変形プロセスとしてタスクを再構成する新しいフレームワークであるSAR2Meshを提案する。 本稿では、3次元から2次元のサンプリングによる多視点特徴抽出のための幾何学的特徴投影モジュールと、予測幾何と生のレーダーエコーとの整合性を強制する物理インフォームドレーダロスを導入する。
• 参考スコア（独自算出の注目度）: 31.20753776114221
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiac function evaluation necessitates continuous, non-invasive monitoring, a capability limited in MRI. Millimeter-wave (mmWave) radar and its Synthetic Aperture Radar (SAR) mode offer a privacy-preserving and portable point-of-care clinical applications. However, reconstructing high-fidelity 3D cardiac geometry from SAR remains an open challenge. Traditional radar methods generate sparse point clouds that lack continuous surface topology. Meanwhile, direct application of optical reconstruction networks performs poorly due to the severe speckle noise and ambiguous boundaries inherent in SAR images. To bridge this gap, we propose SAR2Mesh, a novel framework that reformulates the task as a coarse-to-fine mesh deformation process. By initializing with a topological template, our approach explicitly preserves anatomical connectivity through progressive mesh deformation.We introduce a geometry-aware feature projection module to extract multi-view features via 3D-to-2D sampling, and a physics-informed radar loss to enforce consistency between the predicted geometry and raw radar echoes. Furthermore, we present Cardiac Mesh-SAR, the first large-scale paired SAR-mesh dataset. Extensive experiments demonstrate that SAR2Mesh significantly outperforms existing image-based baselines, achieving accurate and physically consistent cardiac reconstructions.
• Abstract（参考訳）: 心臓機能評価は、MRIで制限された連続的非侵襲的なモニタリングを必要とする。 ミリ波レーダーと合成開口レーダ(SAR)モードは、プライバシ保護とポータブルな臨床応用を提供する。 しかし、SARによる高忠実度3D心筋形状の再構築は未解決の課題である。 従来のレーダー手法は、連続した表面トポロジーを持たないスパース点雲を生成する。 一方、光学再構成ネットワークの直接適用は、SAR画像に固有の厳しいスペックルノイズとあいまいな境界のために、性能が良くない。 このギャップを埋めるために、粗いメッシュ変形プロセスとしてタスクを再構成する新しいフレームワークであるSAR2Meshを提案する。 トポロジカルテンプレートを初期化することにより, プログレッシブメッシュ変形による解剖学的接続性を明確に保ち, 3D-to-2Dサンプリングによるマルチビュー特徴抽出のための幾何学的特徴投影モジュールと, 予測幾何と生レーダエコーとの整合性を強制する物理インフォームドレーダロスを導入する。 さらに,最初の大規模ペアSAR-meshデータセットであるCardiac Mesh-SARを提案する。 大規模な実験により、SAR2Meshは既存の画像ベースベースラインを著しく上回り、正確で物理的に一貫した心臓再建を実現している。

関連論文リスト

• A Two-Stage Motion-Aware Framework for mmWave-based Human Mesh Recovery [13.982684122303896]
  本稿では,レーダーによる人体再構築のための2段階の枠組みを提案する。 まず、粗大な局所化を行う人間の反射抽出モジュールを提案する。 第二に、人体を再構築する動き認識メッシュ回復ネットワークを設計する。
  論文  参考訳（メタデータ） (2026-05-08T22:34:03Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
  バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である 現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。 本稿では,これらの制約に対処する頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-06T05:20:12Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Explicit Differentiable Slicing and Global Deformation for Cardiac Mesh Reconstruction [8.730291904586656]
  医用画像からの心臓解剖のメッシュ再構築は, 形状, 運動計測, 生体物理シミュレーションに有用である。 従来のボクセルベースのアプローチは、イメージの忠実さを損なう前処理と後処理に依存している。 そこで本稿では,メッシュのスライスからメッシュへの勾配バックプロパゲーションを可能にする,新しい識別可能なボキセル化とスライシング(DVS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-03T17:19:31Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction [21.261567937245808]
  本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。 提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
  論文  参考訳（メタデータ） (2023-05-11T14:14:30Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• A Deep-Learning Approach For Direct Whole-Heart Mesh Reconstruction [1.8047694351309207]
  本研究では,ボリュームCTとMR画像データから心表面メッシュ全体を直接予測する深層学習に基づく新しい手法を提案する。 本手法は,高分解能,高品質の全心臓再建を実現できる有望な性能を示した。
  論文  参考訳（メタデータ） (2021-02-16T00:39:43Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。