論文の概要: Conditional Latent Diffusion Model with Fourier-based Motion Modelling for Virtual Population Synthesis

• arxiv url: http://arxiv.org/abs/2606.03827v1
• Date: Tue, 02 Jun 2026 16:10:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.1444
• Title: Conditional Latent Diffusion Model with Fourier-based Motion Modelling for Virtual Population Synthesis
• Title（参考訳）: 仮想集団合成のためのフーリエに基づく運動モデルを用いた条件付き潜時拡散モデル
• Authors: Shaokun Lan, Haoran Dou, Jinghan Huang, Arezoo Zakeri, Fengming Lin, Zherui Zhou, Jinming Duan, Alejandro F. Frangi,
• Abstract要約: 心臓血管の応用では、仮想解剖学は典型的には、生成モデルからサンプリングされた3D+tメッシュとして表される。 メッシュをエンコードする畳み込みメッシュVAEからなる条件生成フレームワークである4D F-MeshLDMを提案する。 4D F-MeshLDMは解剖学的忠実度において最先端のベースラインを上回り, ほぼゼロサイクル閉鎖誤差を達成している。
• 参考スコア（独自算出の注目度）: 41.938132992227196
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In-silico trials of medical devices require the generation of virtual populations of anatomies. In cardiovascular applications, virtual anatomy is typically represented as a 3D+t mesh sampled from a generative model. However, most existing mesh generators focus on static anatomy, while sequence models often lack explicit periodicity. To this end, we propose 4D F-MeshLDM, a conditional generative framework comprising a convolutional mesh VAE to encode meshes, a structural latent space that parameterises motion using a truncated Fourier series, and a diffusion prior that learns the latent distribution over Fourier coefficient tokens. By conditioning the diffusion process on clinical covariates via affine modulation, we enable controllable synthesis. Sampling tokens and performing inverse Fourier synthesis yield cycle-consistent latent trajectories, which can be decoded into 3D+t cardiac mesh sequences. Experiments on 5,000 UK Biobank subjects demonstrate that 4D F-MeshLDM outperforms state-of-the-art baselines in anatomical fidelity and achieves near-zero cycle closure error. Furthermore, the generated cohorts accurately preserve clinical functional indices, highlighting the potential of our framework for reliable in-silico cardiac trials.
• Abstract（参考訳）: 医療機器のin-silico試験では、解剖学の仮想集団を生成する必要がある。 心臓血管の応用では、仮想解剖学は典型的には、生成モデルからサンプリングされた3D+tメッシュとして表される。 しかしながら、既存のメッシュジェネレータのほとんどは静的解剖に焦点を当てているが、シーケンスモデルは明示的な周期性を欠いていることが多い。 そこで本研究では,メッシュを符号化するための畳み込みメッシュVAEを含む条件生成フレームワークである4D F-MeshLDMを提案する。 アフィン変調による臨床共変体への拡散過程の条件付けにより、制御可能な合成が可能となる。 トークンをサンプリングし、逆フーリエ合成を行うと、3D+t心筋メッシュ配列にデコードできるサイクル一貫性の潜在軌道が生成される。 5,000人の英国バイオバンクの被験者による実験では、4D F-MeshLDMは解剖学的な忠実さで最先端のベースラインを上回り、ほぼゼロのサイクル閉鎖誤差を達成している。 さらに, 生成したコホートは, 臨床機能指標を正確に保存し, 信頼性の高い心内テストのための枠組みの可能性を強調した。

関連論文リスト

• Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos [35.992365807108584]
  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。
  論文  参考訳（メタデータ） (2026-05-21T07:01:23Z)
• CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis [30.824485997130925]
  CardioDiTは、拡散トランスを用いた短軸シネCMR合成のための完全な4次元潜伏拡散フレームワークである。 時間的VQ-Eは2D+VAtスライスをコンパクトなラテントに符号化し、拡散変圧器は完全な3D+tボリュームとして一緒にモデル化する。 その結果,スライス間の整合性,時間的コヒーレントな運動,解剖学的文脈,心機能分布が改善した。
  論文  参考訳（メタデータ） (2026-03-26T08:59:07Z)
• The Adaptive Vekua Cascade: A Differentiable Spectral-Analytic Solver for Physics-Informed Representation [0.0]
  適応型ニューラルネットワークは、連続体界を表現する強力なツールとして登場した。 スペクトルバイアスと次元の呪いの2つの基本的な病理に直面する。 本稿では,関数近似から解析的デカップリングを学習するハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-12-12T18:41:35Z)
• Scalable Diffusion Transformer for Conditional 4D fMRI Synthesis [13.638452834334982]
  ボクセルリーな4次元fMRI条件生成のための第1次拡散変換器を提案する。 タスクfMRIでは,タスク駆動のアクティベーションマップを再現し,タスク間表現構造を保存し,完全な条件特異性を実現する。 スケールによって性能が向上し、タスク誘発マップの0.83とRSAの0.98に到達した。
  論文  参考訳（メタデータ） (2025-11-28T04:18:11Z)
• 3D Cardiac Anatomy Generation Using Mesh Latent Diffusion Models [9.749160335898255]
  心臓解剖学の3次元メッシュ生成における潜時拡散モデルの適用について検討した。 急性心筋梗塞患者の左室心筋解剖の3次元メッシュのデータセットに本モデルを適用した。 MeshLDMは、末期拡張期(緩和期)と末期収縮期(収縮期)の心臓形態の特徴をうまく捉え、ゴールド標準よりも2.4%の人口差を持つメッシュを生成する。
  論文  参考訳（メタデータ） (2025-08-18T16:53:20Z)
• 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)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)

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。