論文の概要: Reconstruction of 4D Mitral Regurgitation Hemodynamics from Sparse Planar Data using Deep Operator Networks with Test-Time Adaptation

• arxiv url: http://arxiv.org/abs/2609.20857v1
• Date: Mon, 31 Aug 2026 20:51:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.689079
• Title: Reconstruction of 4D Mitral Regurgitation Hemodynamics from Sparse Planar Data using Deep Operator Networks with Test-Time Adaptation
• Title（参考訳）: テスト時間適応型深部演算子ネットワークを用いたスパース平面データからの4次元僧帽弁逆流血行動態の再構成
• Abstract要約: スパース観測から過渡的3次元経静脈的血行動態を再構築できるかどうかを考察する。 Deep Operator Networkは、実験的にベンチマークされたURANSデータベースに事前トレーニングされている。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Quantifying mitral regurgitation severity remains limited by the assumptions of clinical flow convergence methods, while high-fidelity simulation and volumetric velocimetry are too slow for routine use. We investigate whether a learned solution operator can reconstruct transient three-dimensional transvalvular hemodynamics from the sparse observation an in-vitro experiment actually provides: a single planar velocity slice and two boundary pressure traces. A Deep Operator Network is pretrained on an experimentally benchmarked URANS database spanning eleven mitral regurgitation orifice phantoms, learning a mapping from a masked two-component planar velocity snapshot to the surrounding volumetric field, and is subsequently adapted to unseen target cases by fine-tuning on their sparse measurements. Adaptation reliably corrects the flow topology within the supervised plane, reorienting a strongly eccentric jet that the pretrained operator predicts as straight, and yields full-field predictions in minutes rather than the days required by the underlying simulations. Its influence decays sharply with distance from that plane, however: measured against phase-resolved particle image velocimetry, the reconstruction error rises from 24.6% at 2mm to 52.6% at 6mm, and the resulting mismatch between corrected and uncorrected layers degrades physical consistency. Single-plane supervision thus constrains the observed plane far more effectively than the surrounding volume, which we identify as the principal obstacle to coherent 4D reconstruction from sparse planar data.
• Abstract（参考訳）: 僧帽弁閉鎖不全の定量化は, 臨床フロー収束法の仮定によって制限されているが, 高忠実度シミュレーションと容積速度測定は日常的に使用するには遅すぎる。 実験室内実験によって得られたスパークス観測から, 学習した溶液オペレーターが過渡的な3次元経管的血行動態を再構築できるかどうかを検討する。 Deep Operator Networkは、実験的にベンチマークされたURANSデータベース上に、11個の僧帽弁のファントムにまたがって、マスクされた2成分平面速度スナップショットから周囲の体積場へのマッピングを学習し、その後、スパース測定を微調整して未確認のターゲットケースに適応する。 適応は、教師付き平面内のフロートポロジーを確実に補正し、事前訓練されたオペレーターが直接予測する強い偏心ジェットを調整し、基礎となるシミュレーションで必要とされる日よりも数分でフルフィールド予測を生成する。 しかし、その影響は、位相分解粒子画像速度計に対して測定され、再構成誤差は2mmで24.6%から6mmで52.6%に上昇し、修正された層と修正されていない層のミスマッチは物理的一貫性を低下させる。 これにより、観測面は周囲の体積よりもはるかに効果的に拘束され、スパースプラナーデータから4次元のコヒーレントな再構成を行う主な障害と認識される。

関連論文リスト

• Odometry-Aided Real-Time Mapping for Underwater Robots Using Forward-Looking Sonar [51.8931180857129]
  前向きソナー(FLS)のリアルタイムマッピングは、未解決の目標高度、空間的に一様でないノイズ、断片化された目標境界のため、依然として困難である。 本稿では,高速フーリエ変換(FFT)に基づくデノイング,高速マルチスケール定数偽アラームレート(MCFAR)検出,勾配適応境界接続を組み合わせたケースケード型特徴再構成パイプラインを提案する。 3m×5mプールにおける実験では,3列に3cm未満のルート平均二乗誤差(RMSE)とフレーム平均処理時間42.4msのセンチスケール平面マッピング精度が示された。
  論文  参考訳（メタデータ） (2026-09-21T07:10:04Z)
• Physics-Informed Neural Networks for Depth-Averaged Granular Avalanche Dynamics on Curved Topography [2.018091933057359]
  本研究では、Savage-Hutter方程式に基づく深さ平均PINNの定式化を指数関数的に湾曲したシュートに拡張する。 段階的な時間的カリキュラムは正確な予測に不可欠であることが証明され、保持された軌道誤差を約2桁削減した。
  論文  参考訳（メタデータ） (2026-09-02T12:59:08Z)
• ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
  縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。 ほとんどの被験者固有の脳構造は、時間とともに安定している。 ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
  論文  参考訳（メタデータ） (2026-07-30T00:13:42Z)
• Observer-Assisted Relative-Velocity Compensation with LPV-$H_\infty$ Robust Correction for 3D Trajectory Tracking of Underactuated Non-Minimum-Phase AUVs under Ocean Currents [0.0]
  本稿では,魚雷型非作動型AUVの3次元軌道追跡のためのオブザーバ支援制御アーキテクチャを開発する。 3段階の状態電流オブザーバは、支配的な電流拒絶の非線形フィードフォワード項に対する相対速度推定を提供する。 特異摂動解析は、組込みLPVモデルにおける局所的な一様最適有界性を証明する。
  論文  参考訳（メタデータ） (2026-07-26T13:35:06Z)
• The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows [0.6008132390640294]
  スパースおよびノイズ測定による衝撃支配圧縮性流れの未知の初期状態の推測は、困難な逆問題である。 本研究では,不確実性を伴うベイズ初期状態の効率的なインバージョンのための非侵襲的低次モデリングフレームワークを開発する。
  論文  参考訳（メタデータ） (2026-05-18T20:05:52Z)
• UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry [16.577608323279662]
  UNRIOは、不確実性を認識したレーダー慣性オドメトリーシステムである。 生のmmWaveレーダーIQ信号から直接エゴ速度を推定する。
  論文  参考訳（メタデータ） (2026-04-15T07:43:06Z)
• Learning Pore-scale Multiphase Flow from 4D Velocimetry [21.658780881627536]
  多孔質媒質中の多相流は地下エネルギーと環境技術を支える。 時間分解マイクロ速度測定から多相間隙流を直接推定する枠組みを提案する。
  論文  参考訳（メタデータ） (2026-03-12T23:28:20Z)
• 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)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。