Resumen - MCM: Seguimiento de Movimiento Cardíaco Basado en Mamba utilizando Imágenes Secuenciales en RMN

MCM: Seguimiento de Movimiento Cardíaco Basado en Mamba utilizando Imágenes Secuenciales en RMN

2025-07-23 16:40:43

{"Jiahui Yin","Xinxing Cheng","Jinming Duan","Yan Pang","Declan O'Regan","Hadrien Reynaud","Qingjie Meng"}

{eess.IV,cs.CV}

El documento presenta una red de seguimiento del movimiento cardíaco basada en Mamba (MCM) para evaluar la función cardíaca y diagnosticar enfermedades cardiovasculares utilizando imágenes de resonancia magnética cardíaca cinética (CMR). Las contribuciones clave del documento son: 1. **Red MCM**: La red MCM propuesta utiliza imágenes secuenciales para lograr una estimación de movimiento miocárdico suave y consistente sin un desplazamiento computacional significativo. Incorpora explícitamente cuadros vecinos alrededor del cuadro objetivo para estimar el movimiento entre los cuadros de referencia y objetivo. 2. **Bloques Mamba bidireccionales**: La red incorpora bloques Mamba bidireccionales para extraer características de deformación en múltiples escalas. Cada bloque utiliza un mecanismo de escaneo bidireccional novedoso para capturar información espaciotemporal en ambas direcciones, facilitando la estimación de campos de deformación posibles. 3. **Decodificador de movimiento**: La red utiliza un decodificador de movimiento que estima campos de movimiento mediante la fusión de características de deformación a través de múltiples escalas. Incorpora una cabeza de fusión dual-pasillo novedosa para mejorar la consistencia temporal de la estimación de movimiento. El método se evalúa en dos conjuntos de datos públicos (ACDC y M&Ms) y se compara con métodos de seguimiento del movimiento cardíaco existentes. Los resultados demuestran que el método propuesto supera a los métodos existentes en términos de precisión de seguimiento del movimiento, propiedades de difeomorfismo y consistencia volumétrica. Las principales ventajas del método propuesto son: - **Estimación de movimiento suave y consistente**: El método alcanza una estimación de movimiento suave y consistente al incorporar cuadros vecinos y utilizar un mecanismo de escaneo bidireccional. - **Consistencia temporal**: El método integra información espaciotemporal de ambas direcciones, facilitando la estimación de campos de deformación posibles y mejorando la consistencia temporal. - **Eficiencia computacional**: El método aprovecha la formulación de espacio de estado estructurada de Mamba para aprender la dinámica continua del miocardio a partir de imágenes secuenciales sin aumentar significativamente la complejidad computacional. En resumen, el método MCM propuesto ofrece un enfoque prometedor para el seguimiento del movimiento miocárdico en imágenes de CMR, con aplicaciones potenciales en la evaluación de la función cardíaca y el diagnóstico de enfermedades cardiovasculares.