論文の概要: Learning to Unify Deformable Shape and Texture Representations for Cardiac Video Classification
- arxiv url: http://arxiv.org/abs/2607.07518v1
- Date: Wed, 08 Jul 2026 15:15:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.434897
- Title: Learning to Unify Deformable Shape and Texture Representations for Cardiac Video Classification
- Title（参考訳）: 心ビデオ分類のための変形可能な形状とテクスチャ表現を統一する学習
- Authors: Tonmoy Hossain, Miaomiao Zhang,
- Abstract要約: 変形可能な形状とテクスチャ画像表現の統合空間における時間的特徴を学習する新しい心ビデオ分類モデルを提案する。
心臓磁気共鳴(CMR)ビデオデータセットにおける最先端の分類性能を示す。
- 参考スコア（独自算出の注目度）: 1.4832849325767354
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deformable shape representations have proven to be robust complements to texture features in cardiac image classification, offering geometric priors that are invariant to imaging artifacts and intensity variations. However, existing deep networks perform simple concatenation to combine these distinct feature representations, which neither fully exploits their complementary nature nor learns cross-modal feature dependencies. Furthermore, this results in uniform attention across all timepoints; hence ignoring the varying diagnostic importance across the cardiac phases. In this paper, we propose a novel cardiac video classification model that, for the first time, learns temporal features in an integrated space of deformable shape and image texture representations. In particular, we design a bi-directional cross-attention in the latent space to fuse latent deformable shape and image features, allowing each modality to adaptively weight the other based on spatio-temporal correspondence. In contrast to current methods that apply uniform weighting across all the cardiac phases, our approach learns to dynamically adjust the contributions of shape and texture representations, derived from images, over time. We demonstrate state-of-the-art classification performance on a cine cardiac magnetic resonance (CMR) video dataset, achieving improved interpretability from attention mechanisms that identify diagnostically critical cardiac phases and modality contributions.
- Abstract（参考訳）: 変形可能な形状表現は、心臓画像分類におけるテクスチャの特徴の堅牢な補完であり、画像アーティファクトと強度の変動に不変な幾何学的先行を提供することが証明されている。
しかし、既存のディープネットワークは、これらの異なる特徴表現を結合するために単純な結合を行い、それらの相補的な性質を完全に活用したり、モーダルな特徴依存を学習したりしない。
さらに、このことはすべての時間点に均一な注意を払っており、心臓の位相の異なる診断の重要性を無視している。
本稿では,変形可能な形状と画像テクスチャ表現の統合空間における時間的特徴を初めて学習する,新しい心ビデオ分類モデルを提案する。
特に,遅延変形可能な形状と画像特徴を融合させるために,潜時空間における双方向のクロスアテンションを設計し,時空間対応に基づいて各モータリティを適応的に重み付けする。
心臓のすべての位相に均一な重み付けを適用している現在の手法とは対照的に,我々は画像から得られる形状やテクスチャ表現の寄与を動的に調節することを学ぶ。
心臓磁気共鳴(CMR)ビデオデータセットにおける最先端の分類性能を実証し,診断上重要な心相とモダリティの寄与を識別する注意機構からの解釈性の向上を実現した。
関連論文リスト
- PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。
現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。
本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
論文 参考訳（メタデータ） (2026-03-20T08:37:02Z) - Dyna3DGR: 4D Cardiac Motion Tracking with Dynamic 3D Gaussian Representation [23.163504377816043]
本研究では,明示的な3次元ガウス表現と暗黙的な神経運動場モデリングを組み合わせた新しいフレームワークである動的3次元ガウス表現(Dyna3DGR)を提案する。
本手法は心構造と運動を同時に自己監督的に最適化し,広範囲なトレーニングデータやポイント・ツー・ポイント対応の必要性を解消する。
論文 参考訳（メタデータ） (2025-07-22T14:06:50Z) - CoRLD: Contrastive Representation Learning Of Deformable Shapes In Images [2.2954246824369218]
変形空間における変形可能な形状のコントラスト表現学習(CoRLD)を提案する。
実脳MRI(Real Brain MRI)やCT(Computed Tomography)スキャンから得られた副腎形状など,さまざまなデータセットを用いてCoRLDを検証する。
論文 参考訳（メタデータ） (2025-03-21T14:06:23Z) - Shape-Erased Feature Learning for Visible-Infrared Person
Re-Identification [90.39454748065558]
体型は、VI-ReIDにとって重要なモダリティシェードの1つである。
本稿では,2つの部分空間におけるモダリティ共有特徴を関連づける形状学習パラダイムを提案する。
SYSU-MM01, RegDB, HITSZ-VCMデータセットを用いた実験により, 本手法の有効性が示された。
論文 参考訳（メタデータ） (2023-04-09T10:22:10Z) - A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳（メタデータ） (2022-11-08T09:54:34Z) - A Generative Shape Compositional Framework to Synthesise Populations of
Virtual Chimaeras [52.33206865588584]
複雑な解剖学的構造に対する生成的形状モデルを導入し、未ペアデータセットのデータセットから学習する。
心臓のサブストラクチャのサンプルとして,全音節形状のデータベースから仮想キマエラを構築した。
提案手法は,PCAをベースとした形状モデル(完全データによる学習)を,汎用性と特異性の観点から大きく上回っている。
論文 参考訳（メタデータ） (2022-10-04T13:36:52Z) - Learning correspondences of cardiac motion from images using
biomechanics-informed modeling [7.193217430660012]
予測変位ベクトル場(DVF)上での正則化として, バイオメカニクスを前もって明示的に表現する手法を提案する。
提案手法は,視覚的評価による生体力学的特性の保存性を向上し,定量的評価指標を用いたセグメンテーション性能の優位性を示す。
論文 参考訳（メタデータ） (2022-09-01T20:59:26Z) - 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) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。