論文の概要: Automatic LV Localization and Short-Axis Plane Estimation from Arbitrary CMR Slice

• arxiv url: http://arxiv.org/abs/2608.00145v1
• Date: Fri, 31 Jul 2026 16:11:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.507062
• Title: Automatic LV Localization and Short-Axis Plane Estimation from Arbitrary CMR Slice
• Title（参考訳）: 任意CMRスライスによるLV自動位置推定と近軸平面推定
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.859805507388728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate estimation of left ventricular (LV) orientation is essential for cardiac magnetic resonance (CMR) imaging and downstream analysis. Existing methods typically formulate orientation recognition as discrete view classification or rely on multi-slice geometric intersection, limiting their ability to model continuous 3D orientation and generalize across arbitrary slices. This work introduces a novel paradigm: Joint LV localization and 3D orientation estimation from a single CMR slice. To investigate this setting, representative orientation-aware detection frameworks are adapted to the CMR domain, and their limitations are analyzed. Upon that, we propose the Polar-Coupled Circular (PCC) embedding that provides a continuous and unambiguous orientation representation to address the limitations. Meanwhile, a scalable benchmark is constructed through automatic slice sampling from volumetric CMR segmentation datasets. Extensive experiments on four datasets demonstrate strong performance, achieving an average mIoU of 86.18% and an average angle deviation of 3.39°. This study establishes a new task setting for single-slice LV orientation modeling and provides a geometry-consistent framework for spatially informed CMR analysis. Code is available at https://github.com/yuyi1005/cmr-3d-ood.
• Abstract（参考訳）: 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の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、連続した3D方向をモデル化し、任意のスライスをまたいで一般化する能力を制限する。 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。 この設定を調べるために、代表方向対応検出フレームワークをCMRドメインに適応させ、その制限を解析する。 そこで我々は,その制約に対処するための,連続的かつ曖昧な配向表現を提供するPolar-Coupled Circular (PCC) 埋め込みを提案する。 一方、拡張性のあるベンチマークは、ボリュームCMRセグメンテーションデータセットからの自動スライスサンプリングによって構築される。 4つのデータセットの大規模な実験では、平均mIoUは86.18%、平均角度偏差は3.39°である。 本研究では、単一スライスLV配向モデリングのための新しいタスク設定を確立し、空間情報を用いたCMR解析のための幾何整合性フレームワークを提供する。 コードはhttps://github.com/yuyi1005/cmr-3d-oodで入手できる。

関連論文リスト

• X-LMC: Cross-View Spatiotemporal Collateral Circulation Scoring from DSA [0.0]
  我々は,時間分解型DSA複葉機からの自動コラテラルスコアリングを行うフレームワークであるX-LMCを紹介する。 5倍のクロスバリデーション設定では、X-LMCは静的アーキテクチャや関連する血管造影タスクから適応した時間的ベースラインよりも高い点推定値が得られる。 X-LMC は、観測された臨床間合意とも一致している。
  論文  参考訳（メタデータ） (2026-08-19T14:51:45Z)
• Robust structure from motion for aerial-ground images via detector-free feature matching and multi-view track refinement [15.28970239781579]
  地上画像からの総合的な3次元再構成は,高精度な都市3次元モデル作成に不可欠である。 本研究は、回転ロバスト検出器レスマッチングネットワークと多視点トラックリファインメントを併用して、運動からのインクリメンタル構造(ISfM)を提案する。 実地における実際のデータセットを用いて,提案手法がLoFTRと比較して,AUCの5ポーズ誤差を93.9%改善することを示した。
  論文  参考訳（メタデータ） (2026-08-15T14:16:02Z)
• InLiER: Learning-Free Heterogeneous LiDAR Place Recognition via Intermediate Mixed-Radix Structural Keypoint Tokenization [17.209765684998427]
  中間トークン化ステップに基づく学習自由パイプラインInLiERを提案する。 InLiERはHeLiPRデータセットと実世界のフィールド実験で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） (2026-07-18T15:55:36Z)
• Bi-PT: Bidirectional Cross-Attention Point Transformers for Four-Chamber Heart Reconstruction from Sparse Cardiac MRI Data [4.642439193156724]
  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。
  論文  参考訳（メタデータ） (2026-07-08T02:37:55Z)
• Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
  Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
  論文  参考訳（メタデータ） (2025-09-15T15:24:49Z)
• Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition [8.812294191190896]
  ハイパースペクトルイメージングはリモートセンシングにおいて重要な技術である。 高次元とデータボリュームは、重大な計算上の課題を生じさせる。 データを低ランクで滑らかな成分とスパース成分に分解することで,新しいスペクトル帯域選択モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-02T02:23:38Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• 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)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
  本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。 このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。 nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-06-30T01:44:30Z)
• LiDAR Point--to--point Correspondences for Rigorous Registration of Kinematic Scanning in Dynamic Networks [0.0]
  本稿では,LiDAR点雲の登録を改善するための新しい軌道調整手法を提案する。 本稿では、新しい観測モデルとして、動的ネットワークにどのように挿入されるか、および対応を選択する方法について述べる。 次に、低コストMEMS慣性センサを用いた実用的な空中レーザー走査シナリオにおける提案手法の性能評価実験について述べる。
  論文  参考訳（メタデータ） (2022-01-03T11:53:55Z)
• Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left Ventricle Delineation from Myocardial Velocity Mapping [1.8653386811342048]
  MVM-CMRデータセットのための組み込みマルチチャネルアテンション機構とLSTMベースのリカレントニューラルネットワーク(RNN)を備えた3D-UNETバックボーンアーキテクチャを組み込んだ新しいフルオートマチックフレームワークを提案する。 3D-UNETのベースラインモデルと、組み込み型LSTMモジュールと各種損失関数の有無の比較により、提案モデルが最先端のベースラインモデルより大幅に改善されたことを実証できます。
  論文  参考訳（メタデータ） (2021-04-26T11:04:43Z)
• Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
  本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。 カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。 オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
  論文  参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。