論文の概要: Bi-PT: Bidirectional Cross-Attention Point Transformers for Four-Chamber Heart Reconstruction from Sparse Cardiac MRI Data

• arxiv url: http://arxiv.org/abs/2607.06923v1
• Date: Wed, 08 Jul 2026 02:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.26375
• Title: Bi-PT: Bidirectional Cross-Attention Point Transformers for Four-Chamber Heart Reconstruction from Sparse Cardiac MRI Data
• Title（参考訳）: スパース心MRIデータを用いた2方向クロスアテンション点変換器
• Abstract要約: Bi-PTは、スパースポイントクラウドからの4つのチャンバー心メッシュの正確な推測を可能にする。 変形場をニューラル正規微分方程式 (NODE) として定式化し, 点ごとのアフィン変換をパラメータとした。 Bi-PTはベースラインに比べて正確でロバストなパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 4.642439193156724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose Bi-PT, a pipeline for reconstructing 3D four-chamber human heart meshes from clinical sparsely sampled cardiac magnetic resonance imaging (CMR) data. This work addresses the error-prone generation of 3D cardiac shape from a sparse point cloud (SPC) extracted from 2D long-axis and short-axis views used in routine clinical CMR protocols. Bi-PT enables accurate inference of the four-chamber heart mesh from the SPC by learning robust point features via bidirectional point cross-attention between an atlas and the SPC, together with per-point semantic labels that improve correspondence estimation. We formulate the deformation field as a Neural Ordinary Differential Equation (NODE) parameterized by a per-point affine transformation and translation to deform the atlas toward the target heart shape. By learning such a NODE, we can guarantee the deformation field to be a locally affine diffeomorphic deformation. We also integrate a semantic label loss into the Chamfer distance to encourage label-consistent correspondences and add a smoothness regularization to stabilize and improve the learning of the deformation field. Extensive experiments demonstrate that Bi-PT achieves accurate and robust performance compared to baselines.
• Abstract（参考訳）: 臨床サンプル心磁気共鳴画像(CMR)データから3次元四面体心メッシュを再構築するためのパイプラインであるBi-PTを提案する。 本研究は,通常の臨床用CMRプロトコルで用いられる2次元長軸および短軸ビューから抽出したスパース点雲(SPC)からの3次元心筋形状の誤差発生に対処する。 Bi-PTは、アトラスとSPC間の双方向点交叉によるロバストな特徴を学習し、対応性評価を改善するポイントごとのセマンティックラベルにより、SPCから4つのチャンバー心メッシュを正確に推定することができる。 本研究では,アフィン変換と変換によってパラメータ化されたニューラル正規微分方程式(NODE)として変形場を定式化し,アトラスを目標心臓形状に変形させる。 そのようなNODEを学習することで、変形場が局所アフィン微分同相変形であることを保証できる。 また, セマンティックラベルの損失をチャムファー距離に統合し, ラベルに一貫性のある対応を奨励し, 変形場の安定化と学習を改善するスムーズな正規化を加える。 大規模な実験により、Bi-PTはベースラインに比べて正確でロバストな性能を発揮することが示された。

関連論文リスト

• Automatic LV Localization and Short-Axis Plane Estimation from Arbitrary CMR Slice [12.859805507388728]
  左室(LV)方向の正確な推定は、心臓磁気共鳴(CMR)イメージングおよび下流解析に不可欠である。 既存の手法は通常、方向認識を離散的なビュー分類として定式化するか、多スライス幾何学的交叉に依存している。 本研究は,1つのCMRスライスによる共同LV局在化と3次元配向推定という,新しいパラダイムを導入する。
  論文  参考訳（メタデータ） (2026-07-31T16:11:01Z)
• HeartVolMesh: Cardiac Volumetric Mesh Reconstruction via Covariance-Guided Graph Deformation [40.08276134769528]
  HeartVolMeshはテンプレートを異方性ガウスカーネルに持ち上げ、3D CNN-GNNを使用して頂点ごとの変位を予測する。 体積メッシュ化では,定型四面体テンプレートをステージアライメント,非剛性登録,変形伝搬により再構成した面にワープする。 実験により, 表面メッシュの精度と体積メッシュの忠実度において, 変形に基づくベースラインよりも一貫した利得が得られた。
  論文  参考訳（メタデータ） (2026-07-05T11:42:37Z)
• 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)
• Fighting MRI Anisotropy: Learning Multiple Cardiac Shapes From a Single Implicit Neural Representation [0.6558127228160233]
  そこで本研究では,心臓の近位等方性,高分解能CT(CTA)データを活用することを提案する。 我々はこのデータを用いて、任意の解像度でCMRIから心臓の形状を共同で表現するために、単一の暗黙関数を訓練する。 右心室 (RV) と心筋 (MYO) の再建法について検討し, 心内膜および心外膜左室表面を同時にモデル化した。
  論文  参考訳（メタデータ） (2026-02-11T23:20:14Z)
• Learning SO(3)-Invariant Semantic Correspondence via Local Shape Transform [62.27337227010514]
  RISTと呼ばれる局所形状変換を用いた自己教師型回転不変3次元対応学習システムを提案する。 RISTは、挑戦的なクラス内変分と任意の向きの下でも、形状間の密接な対応を確立することを学ぶ。 RISTは、任意の回転点雲対に与えられる3D部分ラベル転送とセマンティックキーポイント転送の最先端性能を示す。
  論文  参考訳（メタデータ） (2024-04-17T08:09:25Z)
• Neural Deformable Models for 3D Bi-Ventricular Heart Shape Reconstruction and Modeling from 2D Sparse Cardiac Magnetic Resonance Imaging [8.12099697240624]
  心臓の3次元心室形状の再構築とモデリングを目的としたニューラルデフォルマブルモデル(NDM)を提案する。 パラメータ関数の集合によってパラメータ化される混合変形可能なスーパークワッドリックを用いて、両心室形状をモデル化する。 我々のNDMは、任意のスケールで疎い心点雲を密度化し、高品質な三角メッシュを自動的に生成することを学ぶことができる。
  論文  参考訳（メタデータ） (2023-07-15T03:11:16Z)
• 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)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
  CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。 商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。 次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
  論文  参考訳（メタデータ） (2020-09-25T22:47:50Z)

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。