論文の概要: Focus, Align, and Diffuse: Time-Series-Aware Keyframe Diffusion for Cardiac Dynamic Synthesis from Sparse Observations

• arxiv url: http://arxiv.org/abs/2610.19050v1
• Date: Tue, 13 Oct 2026 18:49:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.761679
• Title: Focus, Align, and Diffuse: Time-Series-Aware Keyframe Diffusion for Cardiac Dynamic Synthesis from Sparse Observations
• Title（参考訳）: 焦点・アライメント・ディフューズ:スパース観察による心動的合成のための時系列対応キーフレーム拡散
• Abstract要約: 本稿では,スパークス心臓のダイナミックシンセシスをリカビリティー-アライナビリティ・アンカー発見問題として再定義するパラダイムであるCardioFADを提案する。 我々の中核的な洞察は、極端に時間的曖昧さを解消するには、視覚軌道を回復するのに十分なアンカー状態のコンパクトなセットが必要です。
• 参考スコア（独自算出の注目度）: 6.309261145843411
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dense cardiac dynamics are essential for assessing cardiac function, yet in practice clinicians often observe only extremely sparse measurements. However, recovering full dynamics from such sparsity is a highly ill-posed problem due to the lack of temporal cues. While auxiliary time-series signals like ECG provide physiological guidance, effectively exploiting them is challenging due to the cross-modal representation gap and phase misalignment. In this work, we present CardioFAD, a Focus--Align--Diffuse paradigm that reformulates sparse cardiac dynamic synthesis as a recoverability--alignability anchor discovery problem. Our core insight is that resolving extreme temporal ambiguity requires a compact set of anchor states that are both sufficient to recover the visual trajectory and reliable for ECG--visual alignment. We therefore learn motion-salient keyframes under two complementary principles: trajectory sufficiency, which preserves trajectory-critical intra-modal motion content, and anchor alignment, which promotes consistent inter-modal correspondence at these anchors. We implement the Focus and Align modules optimized by the two aspects. Diffuse then performs two-stage generation by first synthesizing keyframes and subsequently interpolating the remaining frames. Extensive experiments on cardiac MRI and echocardiography videos demonstrate superior visual quality, temporal coherence, and improved functional consistency under the extreme one-shot regime.
• Abstract（参考訳）: 心臓機能を評価するには高濃度の心臓動態が不可欠であるが、実際、臨床医は極端にスパースな測定しか観察しないことが多い。 しかし,このような疎度からフルダイナミックスを回復することは,時間的手がかりが欠如しているため,非常に不適切な問題である。 ECGのような補助的な時系列信号は生理的ガイダンスを提供するが、それらを効果的に活用することは、相互表現のギャップと位相のずれのために困難である。 本稿では,心室細動のダイナミックシンセサイジングを回復可能性として再定義するFocus-Align-DiffuseパラダイムであるCardioFADについて述べる。その中核となる洞察は,極端時間的曖昧性の解消には,視覚的軌跡の回復に十分であり,心室細動のアライメントに信頼性のある,コンパクトなアンカー状態のセットが必要であるということである。 そこで我々は,2つの相補的な原理として,軌道クリティカルな運動内容を保存する軌跡補足力と,これらのアンカーにおける一貫したモーダル間対応を促進するアンカーアライメントを学習する。 2つの側面で最適化されたFocusモジュールとAlignモジュールを実装します。 次にDiffuseは、まずキーフレームを合成し、残りのフレームを補間することで、2段階生成を行う。 心MRIおよび心エコービデオの広汎な実験により, 視覚的品質, 時間的コヒーレンス, 機能的整合性の改善が認められた。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
  EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
  論文  参考訳（メタデータ） (2026-09-04T12:48:25Z)
• Spatiotemporal Distillation via Recurrent Bottlenecks for Aortic Tracking [1.898768451389131]
  心循環を利用した知識蒸留フレームワークを提案する。 この枠組みは、空間教師の専門知識を時間的時間的学生ネットワークに蒸留する。 この戦略により、シネアテンポの学生モデルは、より優れた表面追跡精度を実現することができる。
  論文  参考訳（メタデータ） (2026-08-24T22:37:47Z)
• HYDRA-X: Native Unified Multimodal Models with Holistic Visual Tokenizers [48.01715215603613]
  単一の視覚変換器(ViT)内で画像とビデオのトークン化を統合する最初のUMMであるHYDRA-Xを提案する。 私たちのデザインは、画像とビデオのセマンティックな認識を潜伏した空間に注入し、それを圧縮する、という2つの課題によって推進されています。 7Bモデルで実証されたHYDRA-Xは、画像とビデオの理解と生成タスク間で強いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-06-11T12:46:07Z)
• Bidirectional Recurrence for Cardiac Motion Tracking with Gaussian Process Latent Coding [9.263168872795843]
  GPTrackは、心臓運動の時間的および空間的ダイナミクスを探求するために作られた、教師なしのフレームワークである。 逐次ガウス過程を潜時空間で利用し、各時刻スタンプにおける空間情報による統計を符号化することにより、モーショントラッキングを強化する。 GPTrackは,3次元および4次元の医用画像における運動追跡の精度を,計算効率を保ちながら向上させる。
  論文  参考訳（メタデータ） (2024-10-28T05:33:48Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-09T05:57:01Z)
• Continuous 3D Myocardial Motion Tracking via Echocardiography [30.19879953016694]
  心筋運動追跡は、心臓血管疾患の予防と検出に不可欠な臨床ツールである。 現在の技術は、空間次元と時間次元の両方において、心筋の不完全かつ不正確な運動推定に悩まされている。 本稿では, 心臓の3次元構造と包括的6次元前/後方運動をモデル化するためのニューラル心運動場(ニューラルCMF)について紹介する。
  論文  参考訳（メタデータ） (2023-10-04T13:11:20Z)
• Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
  本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。 心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
  論文  参考訳（メタデータ） (2021-12-03T16:09:32Z)

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。