論文の概要: AI-Based Multi-View Echocardiographic Image Synthesis using Dynamic Shape Control
- arxiv url: http://arxiv.org/abs/2611.18375v1
- Date: Fri, 13 Nov 2026 16:19:39 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:22:10.653124
- Title: AI-Based Multi-View Echocardiographic Image Synthesis using Dynamic Shape Control
- Title(参考訳): 動的形状制御を用いたAIを用いた多視点心エコー画像合成
- Abstract要約: 本稿では,多視点心エコー画像の形状制御のための新しいフレームワークを提案する。
提案手法により,多様な心モデルからリアルな多視点心エコー図列を生成することができる。
- 参考スコア(独自算出の注目度): 0.26803933204362335
- License:
- Abstract: Although automated methods have improved echocardiographic workflows, progress remains constrained by the need for large, well-annotated datasets. As the development of clinical databases is often limited by ethical and logistical challenges, synthetic data generation has emerged as a promising alternative. However, existing approaches commonly rely on left ventricle shape-based supervision or are tailored to specific cardiac views, limiting the generation of additional standard and unconventional imaging planes and the preservation of multi-view consistency across cardiac chambers. To address these limitations, we propose a novel framework for shape-controlled synthesis of multi-view echocardiographic sequences. First, multi-view cross-sections are extracted from dynamic whole-heart meshes. Ultrasound-like appearance is then introduced through a two-stage AI-based pipeline. In Stage 1, an unpaired GAN-diffusion model translates these cross-sections into realistic echocardiographic frames. As this translation is performed independently at the frame level, Stage 2 employs masked video reconstruction to improve temporal coherence and cardiac motion. Evaluation demonstrated high frame-level realism for both stages, while the integration of Stage 2 substantially improved video-level motion quality and temporal consistency. Overall, the proposed framework enables the generation of realistic multi-view echocardiographic sequences from diverse cardiac models, providing a scalable source of annotated data for dataset augmentation and the development of multi-view cardiac assessment methods.
- Abstract(参考訳): 自動化された手法は心エコー図のワークフローを改善したが、大きな注釈付きデータセットの必要性によって進歩は制限されている。
臨床データベースの開発は倫理的・論理的課題によって制限されることが多いため、人工的なデータ生成は有望な代替手段として現れてきた。
しかし、既存のアプローチは左心室形状に基づく監視や、特定の心臓の視界に合わせて調整されており、追加の標準および非伝統的なイメージングプレーンの生成や、心臓室間の多視点一貫性の維持が制限されている。
これらの制約に対処するため,多視点心エコー図列の形状制御のための新しいフレームワークを提案する。
まず、動的全ハートメッシュからマルチビュー断面を抽出する。
超音波のような外観は、2段階のAIベースのパイプラインを通じて導入される。
ステージ1では、未ペアのGAN拡散モデルがこれらの断面をリアルな心エコーフレームに変換する。
この翻訳はフレームレベルで独立に行われるため、ステージ2では、時間的コヒーレンスと心臓の動きを改善するためにマスク付きビデオ再構成を採用している。
両ステージにおいて高いフレームレベルリアリズムを示し,ステージ2の統合により映像レベルの運動品質と時間的一貫性が著しく向上した。
提案フレームワークは,様々な心モデルからリアルな多視点心エコー図列の生成を可能にし,データセット拡張のための注釈付きデータのスケーラブルなソースと多視点心エコー法の開発を実現する。
関連論文リスト
- CardioTrace: Motion-Aware Cine Synthesis via Coupled Tracing and Segmentation [8.547397293290404]
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。
論文 参考訳(メタデータ) (2026-11-13T08:50:54Z) - One Frame, Full Heartbeat: ECG-Free Cardiac Cine MRI Synthesis via Phase-Conditioned Flow Matching [10.224630970061252]
心臓の全循環を捉えるための統合的生成フレームワークであるPhaseFlowについて紹介する。
PhaseFlowは、すべてのベースラインにおいて、最高のLV体積曲線であるR2$、構造類似性(SSIM)、生成品質(FID)で、優れた生理的忠実性とイメージリアリズムを実現する。
論文 参考訳(メタデータ) (2026-10-07T03:56:29Z) - 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) - Chain of Flow: A Foundational Generative Framework for ECG-to-4D Cardiac Digital Twins [4.615980870195537]
チェイン・オブ・フロー(Chain of Flow、COF)は、心電図によって駆動される、単一の心臓循環から完全な4次元心構造と運動を再構築する生成フレームワークである。
心電図から直接4D臓器を再構築することで、COFは心臓のデジタル双生児を完全に生成し、患者固有の仮想心臓に変える。
論文 参考訳(メタデータ) (2026-02-26T12:06:43Z) - EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。
解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。
200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
論文 参考訳(メタデータ) (2025-04-17T16:19:05Z) - PMT: Progressive Mean Teacher via Exploring Temporal Consistency for Semi-Supervised Medical Image Segmentation [51.509573838103854]
医用画像セグメンテーションのための半教師付き学習フレームワークであるプログレッシブ平均教師(PMT)を提案する。
我々のPMTは、トレーニングプロセスにおいて、堅牢で多様な特徴を学習することで、高忠実な擬似ラベルを生成する。
CT と MRI の異なる2つのデータセットに対する実験結果から,本手法が最先端の医用画像分割法より優れていることが示された。
論文 参考訳(メタデータ) (2024-09-08T15:02:25Z) - 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) - Efficient Multi-View Fusion and Flexible Adaptation to View Missing in Cardiovascular System Signals [4.519437028632205]
深層学習は、心臓血管系(CVS)信号に関する自動多視点融合(MVF)を促進する。
MVFモデルアーキテクチャは、しばしば同じ時間ステップからCVS信号と一致するが、統一された表現に異なる視点を持つ。
本稿では,事前学習したMVFモデルに対して,様々なシナリオに柔軟に対応するためのプロンプト手法を提案する。
論文 参考訳(メタデータ) (2024-06-13T08:58:59Z)
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。