論文の概要: Causal Spatio-Temporal Neural Distance Fields for Counterfactual Cardiac Anatomy

• arxiv url: http://arxiv.org/abs/2610.24001v1
• Date: Thu, 15 Oct 2026 13:30:25 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:47:56.457314
• Title: Causal Spatio-Temporal Neural Distance Fields for Counterfactual Cardiac Anatomy
• Title（参考訳）: 偽心解剖における因果性時空間神経遠位磁場
• Abstract要約: 現在の形状生成モデルは臨床変数の条件付きであり、これらの変数間の因果関係を無視している。 時空間神経距離場は、臨床条件を主観的形状から切り離してこれを提供する。 これは4D心筋解剖の最初の反事実発生であり、そのイメージング機構として暗黙の神経表現を初めて統合したものである。
• 参考スコア（独自算出の注目度）: 8.951568394186287
• License:
• Abstract: Counterfactual cardiac anatomy can support risk modelling and intervention planning, by predicting how a patient's heart would change under altered clinical conditions. However, current shape generative models are conditional on clinical variables and disregard causal links between these variables. Thus, they cannot answer counterfactual questions about how a given subject's anatomy would change under a different clinical profile. Modelling the heart's continuous movement over the cardiac cycle requires a representation that is itself continuous in space and time. Spatio-temporal neural distance fields provide this while separating clinical conditioning from subject-specific shape. We place a structural causal model (SCM) over the set of clinical variables (age, sex, smoking, BMI, heart rate, systolic blood pressure), before the condition encoding of the spatio-temporal neural distance field which represents the left atrial complex over a cardiac cycle by signed distance fields. An intervention of the clinical variables, propagated through a SCM before the 4D counterfactual, is constructed from the neural distance field. The generated counterfactuals follow dose-response under age interventions and transforms the male distribution to closely match the female distribution under the intervention $\mathrm{do(\mathrm{female}{=}1)}$. By doing inverse interventions the model also approximates the original anatomy with sub millimeter precision. To our knowledge, this is the first counterfactual generation of 4D cardiac anatomy and the first integration of an SCM with an implicit neural representation as its imaging mechanism.
• Abstract（参考訳）: 偽の心臓解剖学はリスクモデリングと介入計画をサポートし、患者の臨床状態の変化によって心臓がどのように変化するかを予測する。 しかし、現在の形状生成モデルは臨床変数の条件付きであり、これらの変数間の因果関係を無視している。 したがって、ある被験者の解剖が異なる臨床プロファイルの下でどのように変化するかという反事実的な疑問に答えることはできない。 心臓の循環の連続的な動きをモデル化するには、空間と時間で連続した表現が必要である。 時空間神経距離場は、臨床条件を主観的形状から切り離してこれを提供する。 臨床変数(年齢,性別,喫煙,BMI,心拍数,収縮期血圧)に構造因果モデル(SCM)を配置し,左心房複合体を左心房複合体に有意な距離場で表わす時空間的神経距離場を符号化した。 4Dカウンターファクトに先立ってSCMを介して伝播する臨床変数の介入は、神経距離場から構築される。 生成したカウンターファクトリーは、年齢的介入の下で線量応答に従い、オスの分布を$\mathrm{do(\mathrm{female}{=}1)}$で雌の分布と密接に一致するように変換する。 逆の介入を行うことで、モデルは元の解剖学をサブミリ精度で近似する。 我々の知る限り、これが最初の4D心筋解剖の反事実発生であり、SCMと暗黙の神経表現をイメージング機構として統合した最初の例である。

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)
• How Good are Foundation Models in Longitudinal MRI Disease Progression Reasoning? [49.14050864978079]
  我々は,マルチビュー解剖学的入力を統一する評価フレームワークであるTime-Aware Multi-View MRI Benchmarkを紹介した。 このベンチマークは、3200の縦断MRIのタイムポイントにまたがる890人の患者から得られた、専門家が検証した質問応答ペア3,920名からなる。
  論文  参考訳（メタデータ） (2026-08-13T14:35:20Z)
• 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)
• Closed-loop coupling of personalised and foundation models for real-time treatment guidance with MRI [0.0]
  画像誘導療法は解剖学的構造のリアルタイムターゲティングに依存している。 運動の存在下では、画像の遅延は観察された解剖学と真の解剖学の時間的ずれを生じさせ、治療の精度を損なう。 本稿では,患者固有の時間的予測を連続的セグメンテーションに基づく解剖学的解釈と相乗するクローズドループ結合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-01T06:32:10Z)
• Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
  我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。 Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。 最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
  論文  参考訳（メタデータ） (2026-03-08T09:54:08Z)
• Spatio-temporal neural distance fields for conditional generative modeling of the heart [0.10481793104300056]
  本稿では,時間的神経野の形で形と動きを暗黙的にモデル化し,臨床デモグラフィーに基づく条件付き生成モデルを提案する。 左心房で検査され、現在の配列解剖学的完了合成配列よりも優れている。 これは、静的画像から機能的計測を推測し、特定のデモグラフィーまたは疾患で合成集団を生成し、非画像臨床データが心臓解剖の形状と運動にどのように影響するかを調査することができることを意味している。
  論文  参考訳（メタデータ） (2024-07-15T12:26:52Z)
• Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
  本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。 この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。 また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
  論文  参考訳（メタデータ） (2023-08-31T09:02:53Z)
• CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy [16.84316344437967]
  心臓画像解析における2つの重要な疑問は、画像から心臓の解剖と運動を評価することである。 本研究では,心臓の4次元時間解剖と非画像的臨床因子との相互作用を記述する条件生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-30T17:36:12Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)

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。