論文の概要: CardioTrace: Motion-Aware Cine Synthesis via Coupled Tracing and Segmentation
- arxiv url: http://arxiv.org/abs/2611.17909v1
- Date: Fri, 13 Nov 2026 08:50:54 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:26:50.59775
- Title: CardioTrace: Motion-Aware Cine Synthesis via Coupled Tracing and Segmentation
- Title(参考訳): CardioTrace: 協調トラクションとセグメンテーションによる運動認識シネ合成
- Abstract要約: CardioTraceはモーション対応のシネ合成フレームワークで、限られた入力から完全なシネ配列を生成する。
CardioTraceはGANおよび拡散ベースラインよりも知覚品質と時間的コヒーレンスを向上させる。
- 参考スコア(独自算出の注目度): 8.547397293290404
- License:
- Abstract: Cardiac cine MRI provides time-resolved visualization of cardiac motion and is essential for evaluating ventricular function and anatomy. In routine clinical acquisition, however, cine sequences are frequently temporally sparse or degraded by arrhythmia, motion, and scan-time constraints, which can hinder reliable quantification and downstream analysis. We present CardioTrace, a motion-aware cine synthesis framework that generates a full cardiac cine sequence from limited input while explicitly modeling and tracing cardiac motion. CardioTrace couples two complementary pathways: a pixel-translation branch that directly predicts cine frames in a residual formulation, and a flow-field branch that estimates time-resolved deformation fields from a reference phase to provide interpretable motion correspondences across frames. To further preserve anatomical plausibility, a segmentation branch supervises clinically meaningful cardiac structures at key phases, and a cross-branch consistency objective encourages the synthesized appearance dynamics to follow the explicit motion guidance, mitigating temporal drift and unrealistic shape transitions over long sequences. The framework also supports prompt-style conditioning to incorporate auxiliary patient or acquisition information, improving robustness across heterogeneous multi-center data. Experiments on public cardiac cine MRI datasets demonstrate that CardioTrace improves perceptual quality and temporal coherence over representative GAN- and diffusion-based baselines, while better preserving ventricular morphology throughout the cardiac cycle. \textit{Our codes are available after review}.
- Abstract(参考訳): 心血管MRIは、心臓運動の経時的可視化を提供し、心機能と解剖を評価するのに必須である。
しかし、日常的な臨床試験では、シネ配列は不整脈、運動、スキャンタイムの制約によって時間的にスパースまたは劣化し、信頼性の高い定量化や下流分析を妨げる。
心臓の動作を明示的にモデル化・追跡しながら、限られた入力から全心臓のシネ配列を生成する運動認識型シネ合成フレームワークであるCardioTraceを提示する。
CardioTraceは、残留定式化においてシネフレームを直接予測するピクセル翻訳ブランチと、基準位相から時間分解変形場を推定し、フレーム間の解釈可能な動き対応を提供するフローフィールドブランチの2つの補完経路を結合する。
解剖学的妥当性をさらに維持するため、セグメンテーションブランチは、キーフェイズにおける臨床的に有意な心臓構造を監督し、クロスブランチ整合性の目的は、合成された外観動態が明示的な動作誘導に従うことを奨励し、時間的ドリフト及び非現実的な形状遷移を長周期にわたって緩和する。
このフレームワークはまた、補助的な患者または取得情報を組み込むためのプロンプトスタイルの条件付けをサポートし、異種マルチセンターデータ間の堅牢性を改善する。
公立心血管MRIデータセットを用いた実験により、CardioTraceはGANおよび拡散ベースラインよりも知覚的品質と時間的コヒーレンスを向上し、心循環を通して心室形態を保存できることが示されている。
\textit{Our codes are available after review}
関連論文リスト
- Focus, Align, and Diffuse: Time-Series-Aware Keyframe Diffusion for Cardiac Dynamic Synthesis from Sparse Observations [6.309261145843411]
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。
論文 参考訳(メタデータ) (2026-10-13T18:49:36Z) - 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) - Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。
コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
論文 参考訳(メタデータ) (2026-06-30T15:42:23Z) - Temporally Consistent and Controllable Video Generation of 2D Cine CMR via Latent Space Motion Modeling [7.215198952705435]
本稿では、時間的コヒーレントかつ解剖学的に整合した心臓配列を合成する生成法を提案する。
我々のモデルは、入力プロンプトに対して高時間的コヒーレンスと強い忠実度で解剖学的および病理学的に多様な配列を生成する。
これらの実験結果は、高忠実でオンデマンドな医療データを生成する可能性を強調し、データの不足に対するスケーラブルなソリューションを提供する。
論文 参考訳(メタデータ) (2026-06-08T11:05:20Z) - A DyL-Unet framework based on dynamic learning for Temporally Consistent Echocardiographic Segmentation [0.328418927821443]
動的学習に基づく時間的一貫性を持つU-NetセグメンテーションアーキテクチャDyL-UNetを提案する。
このフレームワークは、動的学習を通じてEcho-Dynamics Graph(EDG)を構築し、ビデオから動的情報を抽出する。
CAMUSとEchoNet-Dynamicデータセットの実験は、DyL-UNetが既存のメソッドに匹敵するセグメンテーション精度を維持していることを示している。
論文 参考訳(メタデータ) (2025-09-23T14:17:01Z) - Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。
2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
論文 参考訳(メタデータ) (2024-06-20T17:47:30Z) - Deep Learning for Automatic Strain Quantification in Arrhythmogenic
Right Ventricular Cardiomyopathy [0.0]
CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。
Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。
以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
論文 参考訳(メタデータ) (2023-11-24T12:55:36Z) - 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) - 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。