Fugu-MT 論文翻訳(概要): CMRVision: A Foundation Model for Cardiac MR Image Analysis

論文の概要: CMRVision: A Foundation Model for Cardiac MR Image Analysis

arxiv url: http://arxiv.org/abs/2609.01308v1
Date: Tue, 01 Sep 2026 14:34:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-02 16:31:36.766893
Title: CMRVision: A Foundation Model for Cardiac MR Image Analysis
Title（参考訳）: CMRVision:心臓MRI画像解析の基礎モデル
Authors: Athira J. Jacob, Puneet Sharma, Daniel Rueckert,
Abstract要約: 我々は、DINOv3スタイルの自己教師型学習を用いて訓練されたCMR固有の基礎モデルであるCMRVisionを紹介する。 CMRVisionは、シネ間でのマルチタスクセグメンテーション、後期ガドリニウム増強(LGE)、マッピングシーケンスの2つの下流タスクで評価される。実験の結果、CMR固有の事前トレーニング、パッチサイズ、パッチレベルの目標がダウンストリーム性能を継続的に改善していることが判明した。
参考スコア（独自算出の注目度）: 21.180056139848528
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Cardiac magnetic resonance (CMR) imaging provides complementary information on cardiac anatomy, function, and tissue characterization across multiple sequences and views. In this work, we investigate foundation model pretraining for 2D CMR and introduce CMRVision, a CMR-specific foundation model trained using DINOv3-style self-supervised learning on a multi-center, multi-sequence cohort of 36 million CMR images. We systematically evaluate architectural and training design choices for domain-specific pretraining. CMRVision is evaluated on two downstream tasks: multi-task segmentation across cine, late gadolinium enhancement (LGE), and mapping sequences, and cine view classification. Our experiments show that CMR-specific pretraining, smaller patch sizes, and patch-level objectives consistently improve downstream performance. Across a multi-task segmentation benchmark, CMRVision achieved the strongest overall performance, outperforming prior natural-image (NI), medical-image, supervised, and CMR foundation model baselines. Improvements were modest but consistent across structures and sequences, with Dice scores ranging from 0.940-0.967 for LV and 0.855-0.905 for myocardium, and reaching 0.929 for RV, 0.920 for LA, and 0.931 for RA. The largest gains were observed for myocardium segmentation in LGE and mapping images. In a zero-shot segmentation task on unseen LGE long-axis views, the model achieved an average Dice score of 0.692, demonstrating cross-view generalization. For cine view classification, CMRVision achieved the highest average accuracy (0.906), compared to prior methods reported in the literature. These results highlight the potential of CMRVision to support robust and generalizable cardiac MRI analysis across multiple sequences and views.
Abstract（参考訳）: 心臓磁気共鳴(CMR)イメージングは、心臓の解剖、機能、組織の特徴を複数のシーケンスとビューで補完する情報を提供する。本研究では,2次元CMRのための基礎モデル事前トレーニングについて検討し,DINOv3スタイルのCMR固有の基礎モデルであるCMRVisionを導入する。ドメイン固有の事前学習のための設計選択を体系的に評価する。 CMRVisionは、シネを横断するマルチタスクセグメンテーション、後期ガドリニウム増強(LGE)、マッピングシーケンス、シネビュー分類の2つの下流タスクで評価される。実験の結果、CMR固有の事前トレーニング、パッチサイズ、パッチレベルの目標がダウンストリーム性能を継続的に改善していることが判明した。マルチタスクセグメンテーションベンチマーク全体を通じて、CMRVisionは、これまでの自然像(NI)、医療画像、教師あり、CMRファンデーションモデルベースラインよりも優れたパフォーマンスを達成した。 LVは0.940-0.967、心筋は0.855-0.905、RVは0.929、LAは0.920、RAは0.931であった。 LGEにおける心筋セグメンテーションとマッピング画像で最大の利得が認められた。 LGE長軸ビューのゼロショットセグメンテーションタスクにおいて、モデルは平均Diceスコア0.692を達成し、クロスビューの一般化を実証した。シネビュー分類では,CMRVisionは文献で報告された手法と比較して平均精度が0.906であった。これらの結果はCMRVisionが、複数のシーケンスとビューにわたる堅牢で一般化可能な心臓MRI解析をサポートする可能性を強調している。

関連論文リスト

MR-JEPA: A General Purpose Video Foundation Model for Cardiac MRI [21.245485191371703]
CMRのための自己教師型ビデオ基盤モデルMR-JEPAを提案する。従来のCMRビデオモデルとは異なり、MR-JEPAはシーケンシャルなマルチシーケンスデータに基づいて事前訓練される。
論文参考訳（メタデータ） (2026-08-31T15:36:24Z)
Foundation Models Adaptation for Multi-View Multi-modal Cardiac MRI Segmentation and Direct Ejection Fraction Estimation [0.3957682607484472]
基礎モデルは心臓MRI(CMR)において強い伝達性を示してきたが、その不均一なマルチビューとマルチシーケンス解析に対する効果はいまだ不明である。ユニバーサルマルチシーケンス, マルチセンター, マルチビューCMR(CMR-Multi)チャレンジにおいて, 各種CMRファンデーションモデルを微調整し, 組み合わせることの有効性について検討する。
論文参考訳（メタデータ） (2026-08-07T14:48:51Z)
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)
Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database [64.65360708629485]
MMCMR-427Kは、最大かつ最も包括的なマルチモーダル心血管共鳴k空間データベースである。 CardioMMは、異種高速CMRイメージングシナリオに適応可能な再構成基盤モデルである。 CardioMMは、物理インフォームドデータ一貫性と意味的文脈理解を統合して、堅牢な再構築を実現する。
論文参考訳（メタデータ） (2025-12-25T12:47:50Z)
LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文参考訳（メタデータ） (2025-08-23T07:21:23Z)
A versatile foundation model for cine cardiac magnetic resonance image analysis tasks [6.488550274514015]
臨床関連画像解析タスクを多種多様な基礎モデルで行う。 CineMAという名前のマルチビュー畳み込み変換マスク付きオートエンコーダは、74,916人の被験者から1500万枚のシネ画像で訓練された。
論文参考訳（メタデータ） (2025-05-31T19:12:34Z)
TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI [59.86827659781022]
nnU-Netモデル(TotalSegmentator)をMRIおよび80原子構造で訓練した。予測されたセグメンテーションと専門家基準セグメンテーションとの間には,ディススコアが算出され,モデル性能が評価された。オープンソースで使いやすいモデルは、80構造の自動的で堅牢なセグメンテーションを可能にする。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。ディープラーニング手法は大規模なトレーニングデータセットを必要とする。このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文参考訳（メタデータ） (2023-09-19T15:14:42Z)
LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文参考訳（メタデータ） (2023-06-20T22:21:34Z)
Deep Learning Framework with Multi-Head Dilated Encoders for Enhanced Segmentation of Cervical Cancer on Multiparametric Magnetic Resonance Imaging [0.6597195879147557]
T2強調核磁気共鳴画像(MRI)と拡散強調画像(DWI)は頸部がん診断に欠かせない要素である。拡張畳み込みと共有残差接続を多パラメータMRI画像の分離符号化に用いる新しいマルチヘッドフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-19T19:41:21Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。