論文の概要: Anatomy-Aligned Surface Field Learning for Myocardial Reconstruction from Sparse Short-Axis Cine MRI

• arxiv url: http://arxiv.org/abs/2609.29825v1
• Date: Thu, 24 Sep 2026 13:58:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.969266
• Title: Anatomy-Aligned Surface Field Learning for Myocardial Reconstruction from Sparse Short-Axis Cine MRI
• Title（参考訳）: Sparse Short-Axis Cine MRIによる心筋再建のための解剖学的表面場学習
• Abstract要約: 本稿では, 心内膜および心内膜の表面をパラメータ化する解剖学的に整合した表面学習フレームワークを提案する。 3つの公開シネMRIデータセットの実験により、提案手法はメッシュベースおよび暗黙の再構成手法よりも一貫して優れていた。
• 参考スコア（独自算出の注目度）: 33.87149985182669
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Patient-specific 4D myocardial reconstruction from cine MRI supports quantitative functional assessment, regional motion analysis, and simulation-based modeling. However, routinely acquired short-axis (SAX) cine MRI is sparsely sampled along the through-plane direction, making dense and anatomically consistent surface reconstruction challenging. In this study, we propose an anatomy-aligned surface learning framework that parameterizes the epicardial and endocardial surfaces on a shared circumferential-longitudinal UV domain. This formulation converts irregular 3D reconstruction into structured coordinate-field completion with explicit correspondence across subjects and cardiac phases. Sparse SAX contours are encoded as UV observation fields, coverage-aware sampling improves robustness to incomplete slice coverage, and topology- and distortion-aware learning preserves circumferential continuity and local surface quality. Experiments on three public cine MRI datasets showed that the proposed method consistently outperformed representative mesh-based and implicit reconstruction approaches, achieving overall Chamfer distances of $2.887$~mm on ACDC, $2.641$~mm on M\&Ms, and $2.810$~mm on M\&Ms-2. The reconstructed sequences also preserved ventricular function, with end-diastolic volume and ejection fraction errors of $3.3$~mL and $1.1 \%$, respectively. These results demonstrate that anatomy-aligned UV learning provides an accurate, efficient, and correspondence-aware representation for sparse cine MRI reconstruction and myocardial modeling. The source code will be available at https://github.com/yuan-xiaohan/SAX2MyoSurf.
• Abstract（参考訳）: シネMRIによる患者固有の4D心筋再建は、定量的機能評価、局所運動解析、シミュレーションに基づくモデリングをサポートする。 しかし、日常的に取得された短軸(SAX)シネMRIは、平面内方向に沿ってわずかにサンプリングされるため、密度が高く、解剖学的に一貫した表面再構成が困難である。 本研究では, 心内膜および心内膜の表面をパラメータ化する解剖学的に整合した表面学習フレームワークを提案する。 この定式化は、不規則な3次元再構成を、被験者と心臓の相間で明示的な対応で構造化された座標場完了に変換する。 スパースSAX輪郭は、紫外線観測場として符号化され、カバーアウェアサンプリングは、不完全なスライスカバレッジに対するロバスト性を改善し、トポロジーおよび歪みアウェアラーニングは、周連続性と局所表面品質を保存する。 3つの公開シネMRIデータセットの実験により、提案手法はメッシュベースおよび暗黙の再構成アプローチを一貫して上回り、ACDCで2.887$~mm、M\&Msで2.641$~mm、M\&Ms-2で2.810$~mmとなることが示された。 再建されたシーケンスは、それぞれ3.3$~mLと1.1 \%$の端拡張ボリュームと放出分数誤差を持つ心室機能も保存した。 これらの結果は、解剖学的に整合したUV学習が、スパルス・シネMRI再建および心筋モデリングのための正確、効率的、対応性のある表現を提供することを示した。 ソースコードはhttps://github.com/yuan-xiaohan/SAX2MyoSurf.comから入手できる。

関連論文リスト

• SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI [0.2793066653220178]
  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。
  論文  参考訳（メタデータ） (2026-08-19T07:07:33Z)
• Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
  3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。 新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
  論文  参考訳（メタデータ） (2026-06-24T18:00:03Z)
• Personalized 3D Myocardial Infarct Geometry Reconstruction from Cine MRI for Cardiac Digital Twins [7.407471411133294]
  本研究では,3次元MIをシネMRIから直接再構成する新しい形状運動組込みモデルを提案する。 225 cine MRI 実験の結果,提案した 3D MI 再構成はDice スコア0.678 $pm$ 0.011 で高い性能を示した。
  論文  参考訳（メタデータ） (2026-06-01T07:25:56Z)
• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• Personalized 3D Myocardial Infarct Geometry Reconstruction from Cine MRI with Explicit Cardiac Motion Modeling [7.573784171306414]
  本稿では,高忠実度3D心筋梗塞形状の自動再構成のための新しい枠組みを提案する。 具体的には,多視点シネMRIから自動深部形状適合モデルであるbiv-meを用いて,まず4次元心室メッシュを再構成する。 そこで我々は,この動的幾何学における運動パターンを明示的に利用し,梗塞領域の局所化を図るために,梗塞再建モデルであるCMotion2Infarct-Netを設計する。
  論文  参考訳（メタデータ） (2025-07-21T02:43:35Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• Successive Subspace Learning for Cardiac Disease Classification with Two-phase Deformation Fields from Cine MRI [36.044984400761535]
  本研究は,CVD分類のための軽量な逐次サブスペース学習フレームワークを提案する。 解釈可能なフィードフォワードデザインに基づいており、心房と組み合わせている。 3D CNNベースのアプローチと比較して、我々のフレームワークは140$times$より少ないパラメータで優れた分類性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T15:00:59Z)
• Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating Neural Field [37.86878619100209]
  NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。 既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。 本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-23T13:55:07Z)

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。