論文の概要: Self-Supervised Temporal Regularization for Landmark-Based Cardiac Segmentation with Automatic AHA Regional Mapping

• arxiv url: http://arxiv.org/abs/2606.31785v1
• Date: Tue, 30 Jun 2026 15:09:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.278955
• Title: Self-Supervised Temporal Regularization for Landmark-Based Cardiac Segmentation with Automatic AHA Regional Mapping
• Title（参考訳）: 自動AHA地域マッピングを用いたランドマーク型心臓セグメンテーションのための自己監督型時間正規化
• Abstract要約: 本研究は,一貫した心臓分割と運動推定を行うための訓練後改善段階として,自己監督型時間正規化を導入する。 連続するフレーム間の速度と加速度の不連続性をペナライズすることにより,時間的に一貫したセグメンテーションを実現する。 さらに、これらの対応を活用して、ランドマークをAHA 17-segment 臨床標準に自動的にマッピングする。
• 参考スコア（独自算出の注目度）: 2.621685801616014
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Graph-based cardiac segmentation with implicit anatomical correspondences provides topological guarantees and population-level analysis capabilities, but models trained on independent frames of image sequences exhibit temporal discontinuities that affect reliable clinical measurements, particularly in cardiac ultrasound. In this work, we introduce self-supervised temporal regularization as a post-training refinement stage that exploits the temporal coherence in image sequences to enforce consistent cardiac segmentation and motion estimation over time, without requiring per-frame annotations. By penalizing velocity and acceleration discontinuities across consecutive frames, our method achieves temporally consistent segmentations while maintaining the learned anatomical correspondences. We further leverage these correspondences to automatically map landmarks to the AHA 17-segment clinical standard, enabling standardized regional assessment and detection of pathological myocardial motion patterns. Validation on CAMUS dataset demonstrates the clinical utility of combining temporal consistency with automatic regional mapping. The code is publicly available at https://github.com/david-montalvoo/MaskHybridGNet-TempReg
• Abstract（参考訳）: 暗黙の解剖学的対応によるグラフベースの心臓分割は、トポロジカルな保証と集団レベルの分析能力を提供するが、画像シーケンスの独立したフレームで訓練されたモデルは、信頼性の高い臨床測定、特に心臓超音波に影響を及ぼす時間的不連続性を示す。 本研究では,画像系列における時間的コヒーレンスを利用して,フレーム単位のアノテーションを必要とせず,時間とともに一貫した心臓のセグメンテーションと運動推定を行う,自己教師付き時間的正規化を訓練後の改善段階として導入する。 連続するフレーム間の速度と加速度の不連続性をペナル化することにより、学習された解剖学的対応を維持しながら時間的に一貫したセグメンテーションを実現する。 さらに、これらの対応を利用して、AHA 17-segment 臨床標準にランドマークを自動的にマッピングし、標準化された局所的評価と病理心筋運動パターンの検出を可能にした。 CAMUSデータセットの検証は、時間的一貫性と自動局所マッピングを組み合わせた臨床的有用性を示す。 コードはhttps://github.com/david-montalvoo/MaskHybridGNet-TempRegで公開されている。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• How Good are Foundation Models in Longitudinal MRI Disease Progression Reasoning? [49.14050864978079]
  我々は,マルチビュー解剖学的入力を統一する評価フレームワークであるTime-Aware Multi-View MRI Benchmarkを紹介した。 このベンチマークは、3200の縦断MRIのタイムポイントにまたがる890人の患者から得られた、専門家が検証した質問応答ペア3,920名からなる。
  論文  参考訳（メタデータ） (2026-08-13T14:35:20Z)
• Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
  画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
  論文  参考訳（メタデータ） (2026-06-30T15:42:23Z)
• MedMamba: Multi-View State Space Models with Adaptive Graph Learning for Medical Time Series Classification [60.41879345743941]
  状態空間モデルとドメイン固有の帰納バイアスを統合するエンドツーエンドアーキテクチャであるMedMambaを提案する。 MedMambaは線形計算複雑性を維持しながら最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-24T09:23:39Z)
• Learning from Noisy Prompts: Saliency-Guided Prompt Distillation for Robust Segmentation with SAM [46.344226429758606]
  Segment Anything Model (SAM)は強力なゼロショット機能を提供するが、弱い、汎用的でノイズの多いプロンプトの下で崩壊し、実際の臨床を支配している。 SPDは、信頼できないキューを堅牢なガイダンスに変換する、塩分誘導型プロンプト蒸留フレームワークである。 SPDは、既存のSAM適応を一貫して上回り、リージョンベースとバウンダリベースの両方で大きな利益をもたらす。
  論文  参考訳（メタデータ） (2026-04-25T14:09:11Z)
• Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision [5.993347590895742]
  Mask-HybridGNetは,標準画素マスクを用いてグラフモデルを直接トレーニングするフレームワークである。 提案手法は可変長基底真理境界と固定長ランドマーク予測とを一致させる。 高品質なピクセルベースモデルから安定な解剖学的アトラスを生成する。
  論文  参考訳（メタデータ） (2026-02-24T18:29:13Z)
• Point Tracking as a Temporal Cue for Robust Myocardial Segmentation in Echocardiography Videos [2.7509305461575875]
  心エコービデオにおける心筋セグメンテーションは、低コントラスト、ノイズ、解剖学的変動のために難しい課題である。 従来のディープラーニングモデルは、フレームを独立して処理し、時間的情報を無視したり、メモリベースの機能伝搬に依存したりする。 時間的キューとしてポイントトラッキングを統合するトランスフォーマーベースのセグメンテーションフレームワークであるPoint-Segを提案する。
  論文  参考訳（メタデータ） (2026-01-14T06:23:36Z)
• A DyL-Unet framework based on dynamic learning for Temporally Consistent Echocardiographic Segmentation [0.328418927821443]
  動的学習に基づく時間的一貫性を持つU-NetセグメンテーションアーキテクチャDyL-UNetを提案する。 このフレームワークは、動的学習を通じてEcho-Dynamics Graph(EDG)を構築し、ビデオから動的情報を抽出する。 CAMUSとEchoNet-Dynamicデータセットの実験は、DyL-UNetが既存のメソッドに匹敵するセグメンテーション精度を維持していることを示している。
  論文  参考訳（メタデータ） (2025-09-23T14:17:01Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
  本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。 心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
  論文  参考訳（メタデータ） (2021-12-03T16:09:32Z)
• Interactive Segmentation for COVID-19 Infection Quantification on Longitudinal CT scans [40.721386089781895]
  病状進行と治療に対する反応を正確に評価するためには,複数の時点にまたがる患者のCTスキャンの連続的セグメンテーションが不可欠である。 既存の医用画像の自動および対話的セグメンテーションモデルでは、単一の時点からのデータのみを使用する(静的)。 本稿では,過去の情報をすべて活用し,フォローアップスキャンのセグメンテーションを改良する,インタラクティブセグメンテーションのための新しい単一ネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2021-10-03T08:06:38Z)
• Reciprocal Landmark Detection and Tracking with Extremely Few Annotations [10.115679843920958]
  本稿では,心エコーラベルのスパース特性を扱うために,新しいエンドツーエンドの相互検出・追跡モデルを提案する。 このモデルは、心臓のシネシーケンス全体にわたって注釈付きフレームをほとんど使わずにトレーニングされ、ランドマークの一貫した検出と追跡が生成される。
  論文  参考訳（メタデータ） (2021-01-27T06:59:41Z)

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。