Fugu-MT 論文翻訳(概要): SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI

論文の概要: SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI

arxiv url: http://arxiv.org/abs/2608.18616v1
Date: Wed, 19 Aug 2026 07:07:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-20 20:13:55.316512
Title: SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI
Title（参考訳）: SPARC-Slice-to-volume Pipeline for Automated reconstruction of gated 3D+time fetal Cardiac MRI
Abstract要約: 2D以上の経時的スライスからの3D+時のシネ体積の再構成は、予測不可能な胎児運動のために困難である。本報告では, 超音波ドプラ法(DUS) ゲート束の物理インフォームド・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・ス・スライス・スライス・スライス・ス・スライス・スライス・ス・スライス・スライス・ス・スライス・ス・ス・スライス・スライス (DUS) の深層学習モデル (DL) モデルを用いて, 解剖学的再構成と解剖学的再構成を行った。
参考スコア（独自算出の注目度）: 0.2793066653220178
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Fetal cardiac MRI (fCMR) provides valuable diagnostic information complementary to echocardiography, particularly for complex congenital heart disease (CHD). Dynamic cine imaging captures cardiac motion essential for assessment of cardiac function; however, the reconstruction of 3D+time cine volumes from 2D+time acquired slices remains challenging due to unpredictable fetal motion and the absence of automated and robust processing tools suitable for clinical deployment. We present the SPARC pipeline (Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI) which combines physics-informed slice-to-volume reconstruction (SVR) of Doppler ultrasound (DUS) gated stacks of slices, assisted by deep learning (DL) models for thoracic segmentation and anatomical reorientation. The proposed SVR algorithm achieves a tenfold reduction in reconstruction time relative to existing frame-wise approaches ($4.8 \pm 1.0$ vs $49.0 \pm 14.1$ min, $p < 0.0001$) while improving the reconstruction quality. Thoracic segmentation performance using ensemble aggregation exceeded inter-rater agreement (Dice $84.7 \pm 3.9\%$ vs $81.4 \pm 7.7\%$, $p<0.05$), while anatomical reorientation achieved a success rate of $90.1\%$. End-to-end evaluation on a large held-out clinical cohort ($n = 121$) demonstrated fully automatic processing in $82.6\%$ of cases with a mean runtime of $7.1 \pm 1.3$ min, compatible with clinical deployment. The complete SPARC pipeline is publicly available as a Docker container https://hub.docker.com/r/aboutill/sparc and is currently deployed at our institution as a clinical research tool.
Abstract（参考訳）: 胎児心MRI(fCMR)は心エコー法、特に先天性心疾患(CHD)の診断に有用である。ダイナミックシネイメージングは心機能評価に欠かせない心臓の動きを捉えるが, 胎児運動の予測不能や, 臨床展開に適した自動的, 堅牢な処理ツールの欠如により, 3D+タイムスライスからの3D+タイムシネボリュームの再構築はいまだに困難である。胸椎分節と解剖学的再配置のための深層学習(DL)モデルを用いて,ドップラー超音波(DUS)ゲートスタックの物理インフォームド・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・スライス・ス・スライス・スライス・ス・スライス・スライス・スライス・ス・スライス・ス・スライス・スライス・ス・スライス(SVR)を併用したSPARCパイプライン(Slice-to-volume Pipelines)を提案する。提案したSVRアルゴリズムは、既存のフレームワイドアプローチ(4.8 \pm 1.0$ vs 4,9.0 \pm 14.1$ min, $p < 0.0001$)と比較して、再構築時間を10倍に短縮する。アンサンブルアグリゲーションを用いた胸椎のセグメンテーション性能は、ラター間合意(Dice 8,4.7 \pm 3.9\%$対81.4 \pm 7.7\%$, $p<0.05$)を上回った。大規模臨床コホート(n = 121ドル)のエンドツーエンド評価では、臨床展開と互換性のある7.1 pm 1.3$ minの平均実行時間を持つ症例の82.6 %%で完全自動処理が実証された。完全なSPARCパイプラインはDockerコンテナ https://hub.docker.com/r/aboutill/sparcとして公開されている。

関連論文リスト

AI Approach for MRI-only Full-Spine Vertebral Segmentation and 3D Reconstruction in Paediatric Scoliosis [0.0]
小児画像のCTよりMRIが好ましいのは、電離放射線を避けるためである。脊椎変形評価におけるその使用は、自動化された高解像度の3Dボニー再構成の欠如により、大きく制限されている。本研究では,MRIのみによる全自動胸腰椎(T1-L5)セグメンテーションと3次元再構成を可能にするAIフレームワークを提案する。
論文参考訳（メタデータ） (2026-04-20T05:57:06Z)
ConvFormer3D-TAP: Phase/Uncertainty-Aware Front-End Fusion for Cine CMR View Classification Pipelines [0.879504058268139]
ConvFormer3D-TAPは3D畳み込みトークン化とマルチスケールの自己アテンションを統合し、心臓相と曖昧な側頭節間の堅牢性を高める。 ConvFormer3D-は150,974の臨床的に得られたシネ配列のコホートで、クラスごとのF1スコアによる検証精度が96%に達した。これらの結果は、エンドツーエンドのcMRIにおけるビュールーティング、フィルタリング、品質制御のためのスケーラブルなフロントエンドとして、ConvFormer3DTAPをサポートする。
論文参考訳（メタデータ） (2026-04-13T12:29:16Z)
Synthesizing Accurate and Realistic T1-weighted Contrast-Enhanced MR Images using Posterior-Mean Rectified Flow [3.024548464833694]
造影強調(CE) T1強調MRIは神経腫瘍診断の中心であるが、ガドリニウムをベースとした薬剤が必要である。非コントラスト入力からCE脳MRIを合成するための2段階後平均整流パイプラインを提案する。
論文参考訳（メタデータ） (2025-08-18T05:55:57Z)
Robotic Ultrasound-Guided Femoral Artery Reconstruction of Anatomically-Representative Phantoms [2.1113382954657594]
大腿骨動脈アクセスは, 診断血管造影, 治療カテーテル, 緊急治療など, 多数の臨床処置に必須である。その重要な役割にもかかわらず、解剖学的多様性、脂肪組織を過度に覆い、正確な超音波ガイドの必要性により、血管アクセスの成功は依然として困難である。人工骨頭動脈の自律型超音波スキャン法を提案し,実際のCTデータから得られた5つの血管ファントムについて検証した。
論文参考訳（メタデータ） (2025-03-09T22:20:25Z)
A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net [37.179674347248266]
神経変性疾患では、PVS(perivascular space)の増大が一般的である。現在不足している信頼性の高いPVS検出方法が必要である。
論文参考訳（メタデータ） (2024-11-29T09:19:57Z)
Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
論文参考訳（メタデータ） (2024-06-20T17:47:30Z)
Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
論文参考訳（メタデータ） (2023-11-22T21:51:29Z)
Deep-learning-based acceleration of MRI for radiotherapy planning of pediatric patients with brain tumors [39.58317527488534]
RT専用レシーバコイルアライメントで取得したアンダーサンプルデータからMRI再構成を行う深層学習法を開発した。 DeepMRIRecは、評価された最先端手法を超える構造的類似度スコアを4倍に削減した。
論文参考訳（メタデータ） (2023-11-22T16:01:44Z)
Reconstruction of Cardiac Cine MRI Using Motion-Guided Deformable Alignment and Multi-Resolution Fusion [4.828904401099519]
心血管MRIの再構成を改善するために,新しいエンド・ツー・エンド深層学習ネットワークを開発した。提案手法は, よりリッチな細部と, 異なる加速度による心血管MRI再建のためのアーティファクトの少ない高品質な結果を示す。
論文参考訳（メタデータ） (2023-03-09T01:03:35Z)
A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
論文参考訳（メタデータ） (2023-02-21T12:48:44Z)
Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文参考訳（メタデータ） (2022-08-10T15:39:20Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。