論文の概要: When Measurement Conventions Masquerade as Calibration Gains in Cardiac Digital Twins

• arxiv url: http://arxiv.org/abs/2608.01602v1
• Date: Mon, 03 Aug 2026 02:16:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 21:56:46.373879
• Title: When Measurement Conventions Masquerade as Calibration Gains in Cardiac Digital Twins
• Title（参考訳）: 心臓デジタル双生児の校正におけるマスケラデ測定の意義
• Abstract要約: 本研究は, 単葉地絡EF誤差がモデル間で統計的に区別できないことを示す。 プレ仕様のEchoNet-Dynamicレプリケーションは、リリースデータと抽出器を尖面四面面に合わせることで、ベースライン過大評価を除去する。 また、ハエモダイナミック効果、共形残余幅予算、EF層の変化を定量化し、Convention-Aware EF Auditプロトコルを作成する。
• 参考スコア（独自算出の注目度）: 2.8380504722717728
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cardiac digital twins convert clinical images into physiological measurements through observation operators, yet calibration studies often assume a fixed reference convention. Across four shared-backbone echocardiographic EF front-ends, phase conditioning appears to remove CAMUS baseline bias. Matched-reference analysis rejects this gain: singleplane ground-truth EF error is statistically indistinguishable across models, while single-plane ground-truth EF exceeds CAMUS biplane clinical EF by +6.30 points, explaining nearly all baseline bias. A prespecified EchoNet-Dynamic replication, with released data and our extractor aligned to the apical four-chamber plane, removes baseline overestimation and reverses the CAMUS ranking. We also quantify haemodynamic effects, conformal residual-width budgets, and EF-stratum changes, yielding a Convention-Aware EF Audit protocol that separates genuine observation operator calibration from measurement artefacts. GitHub: EjectionFraction-Bias-in-Cardiac-Digital-Twin.git
• Abstract（参考訳）: 心臓のデジタル双生児は、臨床画像を観察オペレーターを通して生理的計測に変換するが、校正研究は固定された基準条件を仮定することが多い。 4 つの共有バックボーン心エコー図 EF フロントエンドの位相条件は CAMUS ベースラインバイアスを除去しているように見える。 一致した参照分析は、この利得を否定する: 単平面の地中構造EF誤差は、モデル間で統計的に区別できないが、単平面の地中構造EFは、CAMUSの複平面臨床EFを+6.30ポイント越え、ほぼすべてのベースラインバイアスを説明する。 プレ仕様のEchoNet-Dynamicレプリケーションは、リリースデータと抽出器を尖面四面面に整列させ、ベースライン過大評価を除去し、CAMUSランキングを逆転させる。 また,実測値から実測値の校正を分離するConvention-Aware EF Auditプロトコルを作成した。 GitHub: EjectionFraction-Bias-in-Cardiac-Digital-Twin.git

関連論文リスト

• Automated 2D and 3D Segmentation of AMD and DME Lesions in OCT [5.625893116312849]
  加齢に伴う黄斑変性と糖尿病黄斑浮腫は視力喪失の原因となっている。 光コヒーレンストモグラフィーのための多くのディープラーニングセグメンテーション作業は、ドメイン内でのみ検証されている。 この研究は、4つの病変分離パイプラインを開発し、体系的に非難する。
  論文  参考訳（メタデータ） (2026-08-27T13:13:18Z)
• Unsupervised Susceptibility Distortion Correction of EPI without Calibration Scans via Image Translation-Based Registration [2.2344764434954256]
  機能的磁気共鳴イメージング(fMRI)は、エコープラナーイメージング(EPI)を用いて、高時間分解能の血液酸素レベル依存(BOLD)信号をキャプチャする。 EPIは本質的に磁場の不均一性に敏感であり、相エンコーディング(PE)方向に沿った感受性による幾何歪みをもたらす。 SACREDは、画像翻訳に基づく登録により幾何歪みを補正するキャリブレーション・スキャンフリー・サセプティビリティ・歪み補正フレームワークである。
  論文  参考訳（メタデータ） (2026-06-19T16:44:19Z)
• Explaining RhythmFormer: A Systematic XAI Analysis of Periodic Sparse Attention for Remote Photoplethysmography [1.647210198730602]
  Photoplethys変換器は、ベンチマークで心拍数エラーが低いが、その決定は不透明である。 既存のXAIは、定量的忠実度測定や生理的根拠による検証を伴わない定性的なヒートマップ検査によって支配されている。 我々は、RhythmFormerの2レベルの注意をトップ$k$選択で定量化するために、4つの方法(raw attention, rollout, flow, Beyond Intuition)を適用する。
  論文  参考訳（メタデータ） (2026-06-11T19:10:06Z)
• Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation [60.41721951405564]
  Low-Rank Adaptation (LoRA)は、医療画像のためのセグメンテーション基盤モデルの効率的なフェデレーション微調整を可能にする。 ほとんどの連合LoRA法は、医学的セグメンテーションにおいてエンコーダ-デコーダ非対称性の下で破れる一様アグリゲーション規則を採用している。 このミスマッチの絡み合いは、サイト固有のバイアスと解剖を共有し、一般化を損なう。 本稿では,効率的な更新空間における共有局所コリニアリティを罰する部分空間直交正規化器を提案する。
  論文  参考訳（メタデータ） (2026-06-07T15:39:28Z)
• PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement [60.81732730684265]
  本稿では,高忠実度仮想コントラスト拡張(VCE)のための体積拡散フレームワークPHASORを紹介する。 我々は、CTボリュームをコヒーレントシーケンスとして扱うことにより、ビデオ拡散モデルを利用して、構造的コヒーレンスとボリューム精度を向上させる。 まず, 解剖学的意味論に固有の拡張パターンを固定し, 臓器特異的なメモリを付加して, より詳細な情報を収集する。 第二に、インテンシティ・フェイズ・アウェアメント・アライメント・アライメント(IP-REPA)は、不完全な空間アライメントの影響を緩和しつつ、複雑なコントラスト信号を強調する。
  論文  参考訳（メタデータ） (2026-04-01T15:57:18Z)
• EchoLVFM: One-Step Video Generation via Latent Flow Matching for Echocardiogram Synthesis [1.703077957571322]
  本稿では,1段階の遅延ビデオフローマッチングフレームワークであるEchoLVFMを紹介する。 潜時空間で動作するEchoLVFMは、時間的にコヒーレントなビデオを単一の推論ステップで合成する。 その結果、競争力のあるビデオ品質、強いEFの定着、および専門医による57.9%の識別精度が示された。
  論文  参考訳（メタデータ） (2026-03-14T14:39:09Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Dual-Encoder Transformer-Based Multimodal Learning for Ischemic Stroke Lesion Segmentation Using Diffusion MRI [5.332404648315838]
  ISLES 2022データセットからのマルチモーダル拡散MRIを用いて虚血性脳梗塞の分節について検討した。 U-Net、Swin-UNet、TransUNetなど、最先端の畳み込みとトランスフォーマーベースのアーキテクチャがベンチマークされている。 その結果、トランスフォーマーベースのモデルは畳み込みベースラインよりも優れており、提案したデュアルエンコーダのTransUNetは、テストセットで85.4%のDiceスコアに達した。
  論文  参考訳（メタデータ） (2025-12-23T15:24:31Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• AFSC: Adaptive Fourier Space Compression for Anomaly Detection [32.10950976568392]
  医用画像の異常検出により、モデルが病変特異的な教師あり学習をすることなく、任意の種類の異常パターンを認識できる。 データ拡張に基づく手法は、実際の健康な画像に偽の病変を"パッチング"することで擬似健康画像を構築する。 適応フーリエ空間圧縮 (AFSC) モジュールを提案する。
  論文  参考訳（メタデータ） (2022-04-17T09:42:05Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。