論文の概要: Motion-Conditioned Multi-View Fusion for Myocardial Infarction Localization from Echocardiography
- arxiv url: http://arxiv.org/abs/2607.15268v1
- Date: Thu, 16 Jul 2026 17:56:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:33.204469
- Title: Motion-Conditioned Multi-View Fusion for Myocardial Infarction Localization from Echocardiography
- Title（参考訳）: 心エコー図による心筋梗塞局所化に対するモーションコンディション多視点固定術
- Abstract要約: MCF-Netは、エコー解析のための新しい動き誘導多視点融合フレームワークである。
心臓運動の手がかりと基礎モデル表現を融合させ、梗塞を局在させる。
セグメントレベルのMIローカライゼーションでは、MCF-Netは72.4%のF1と84.9%の精度を実現し、最先端のモーションオンリー、ビジョンオンリー、融合ベースラインを上回っている。
- 参考スコア（独自算出の注目度）: 12.278137794889288
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Myocardial infarction (MI) remains a leading cause of mortality worldwide. Echocardiography (Echo) is a widely available modality for MI assessment, where regional wall motion abnormality is a key indicator. Prior learning based methods for myocardial motion analysis often use handcrafted descriptors or densely supervised estimation, but the need for extensive annotation limits applicability. Foundation models have recently improved vision-based Echo analysis; however, most methods operate on single views and segment-level localization remains unreliable under view-dependent ambiguity, especially in apical views. To address this, we propose MCF-Net, a novel motion-guided multi-view fusion framework that fuses myocardial motion cues with foundation model representations to localize infarction. Visual features are extracted using EchoPrime, a pretrained Echo foundation model shared across dual views. Cardiac motion is modeled with extremely sparse supervision: a single annotated template frame is transferred across videos to initialize point tracking, avoiding dense labels. Motion-derived segment-aware soft masks provide coarse spatial priors that selectively enhance features for challenging myocardial segments. A motion-conditioned fusion mechanism then integrates motion and vision across views, refining predictions without overriding strong appearance cues. On segment-level MI localization, MCF-Net achieves 72.4\% F1 and 84.9\% accuracy, outperforming state-of-the-art motion-only, vision-only, and fusion baselines.
- Abstract（参考訳）: 心筋梗塞(MI)はいまだに世界中で死に至る主要な原因である。
超音波検査(Echo)は,局所壁運動異常が重要な指標であるMI評価において,広く用いられるモダリティである。
先行学習に基づく心筋運動解析法は、しばしば手作りのディスクリプタまたは密集した教師付き推定を用いるが、広範なアノテーションの必要性は適用可能性を制限する。
ファンデーションモデルは近年、視覚ベースのEcho分析を改善しているが、ほとんどの手法は単一のビューで動作し、セグメントレベルのローカライゼーションはビュー依存の曖昧さ、特にアピカルビューでは信頼性が低いままである。
そこで本研究では,心臓運動キューと基礎モデル表現を融合させて脳梗塞の局所化を図る,新しい運動誘導型多視点融合フレームワークであるMCF-Netを提案する。
ビジュアル機能は、デュアルビュー間で共有される事前トレーニングされたEchoファンデーションモデルであるEchoPrimeを使用して抽出される。
単一の注釈付きテンプレートフレームがビデオ間で転送され、ポイントトラッキングを初期化し、密度の高いラベルを避ける。
運動由来のセグメント認識型ソフトマスクは、心筋セグメントに挑戦する特徴を選択的に強化する粗い空間的先行性を提供する。
動き条件の融合機構は、視界を横切る動きと視覚を統合し、強い外観の手がかりを覆うことなく予測を精査する。
セグメントレベルのMIローカライゼーションでは、MCF-Netは72.4\% F1と84.9\%の精度を実現し、最先端のモーションオンリー、ビジョンオンリー、融合ベースラインを上回っている。
関連論文リスト
- Motion-Guided Causal Disentanglement for Robust Multi-View Cine Cardiac MRI Diagnosis [0.4638331367650009]
本稿では,ViT-MAEバックボーン上に構築したMoViDフレームワークを提案する。
プライベートな臨床静脈血栓症データセットと2つの公開ベンチマークの枠組みについて検討した。
論文 参考訳（メタデータ） (2026-06-03T03:45:11Z) - Learning Cardiac Latent Representations in Vectorcardiogram Space [54.12639543496968]
既存の方法は、観測可能なECG信号空間でのみ動作する。
本稿では,VCG空間内で直接心臓電気活動の潜在性統一表現を学習することを提案する。
LVCGは、この物理的に接地された潜在空間で動作するように設計された、最初の汎用的な自己教師型表現学習フレームワークである。
論文 参考訳（メタデータ） (2026-05-29T12:48:12Z) - EchoTracker2: Enhancing Myocardial Point Tracking by Modeling Local Motion [0.7273358958058737]
心エコー検査では, 運動推定の有効な方向として, 心筋点追跡(MPT)が出現している。
我々は,局所的なコンテキストで画素精度を向上する,微細ステージのみのアーキテクチャである textEchoTracker2 を提案する。
最高の汎用点追跡法と比較すると、それぞれ$2.0%$と$5.3%$である。
論文 参考訳（メタデータ） (2026-05-12T13:59:52Z) - RAFT-MSF++: Temporal Geometry-Motion Feature Fusion for Self-Supervised Monocular Scene Flow [51.43025173196566]
単眼のシーンフロー推定は画像列から高密度な3次元動きを復元することを目的としている。
RAFT-MSF++は,時間的特徴を融合して深度とシーンフローを推定する自己教師型マルチフレームフレームワークである。
実験の結果、RAFT-MSF++はKITTI Scene Flowベンチマークで24.14%のSF-allを達成した。
論文 参考訳（メタデータ） (2026-04-21T11:32:49Z) - Beyond Independent Frames: Latent Attention Masked Autoencoders for Multi-View Echocardiography [18.218981066770514]
医療画像のマルチビュー特性に合わせた基礎モデルアーキテクチャであるLAMAE(Latent Attention Masked Autocoder)を紹介する。
LAMAEは標準のMAEを潜在注意モジュールで拡張し、フレームとビューを直接潜在空間で情報交換できる。
論文 参考訳（メタデータ） (2026-04-16T14:55:28Z) - 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) - MetaDCSeg: Robust Medical Image Segmentation via Meta Dynamic Center Weighting [77.31583168890633]
医用画像のセグメンテーションは臨床応用に欠かせないが,うるさいアノテーションやあいまいな解剖学的境界によってしばしば破壊される。
そこで我々は,雑音の多い接地トラスラベルの影響を抑えるために,最適な画素単位の重みを学習する頑健なフレームワークであるMetaDCSegを提案する。
提案手法は, 前景, 背景, 境界中心の重み付き特徴距離を利用して, 曖昧な境界付近の重み付き画素にモデルを向ける。
論文 参考訳（メタデータ） (2025-11-24T08:51:02Z) - CardiacCLIP: Video-based CLIP Adaptation for LVEF Prediction in a Few-shot Manner [14.429336783145644]
左室放出分画(LVEF)は心臓機能の指標となる。
既存のLVEF推定手法は、大規模な注釈付きビデオデータセットに依存する。
我々は、注目ベースのフレームアグリゲーションとマルチレゾリューション・インプット・スケーリングによるLVEF予測を強化する、ビデオベースのフレームワークであるCardiacCLIPを提案する。
論文 参考訳（メタデータ） (2025-09-21T12:52:08Z) - Taming Modern Point Tracking for Speckle Tracking Echocardiography via Impartial Motion [0.686108371431346]
本研究は, 超音波検査における最先端点追跡法の可能性について検討し, 心エコー検査に焦点をあてる。
実際のBモード超音波ビデオにおいて心臓の周期を通しての運動を解析することにより、方向運動バイアスが既存のトレーニング戦略に影響を与えていることを同定する。
偏見を低減し, 心臓運動による一般化とロバスト性の向上を図った。
論文 参考訳（メタデータ） (2025-07-14T10:18:26Z) - EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。
解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。
200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
論文 参考訳（メタデータ） (2025-04-17T16:19:05Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-09T05:57:01Z)
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。