arXiv cs.AI· David Br\"uggemann, Ekaterina Krymova, Firat \"Ozdemir, Jochen von Spiczak, Sebastian Kozerke, Samia Mora, Robert Manka, Mathieu Salzmann, Olga V. Demler·· 11 小时前AI 评分31
基于潜在 ODE 的 cine MRI 全周期双心室运动建模
A latent ODE approach to full-cycle biventricular cardiac motion modeling from cine MRI
AI 导读
研究提出一种潜在动力学模型，用心率感知的神经 ODE 动力学与基于图的网格自编码器，将双心室解剖结构与全周期 cine 运动编码为连续潜在轨迹，重建解剖一致的 3D+t 心室运动。
正文 · AI 翻译
摘要：心脏磁共振成像（CMR）可捕捉关于心室结构和运动的丰富时空信息，但传统风险模型仅使用来自选定心动周期的少数图像衍生指标。我们提出一种潜在动力学模型，将双心室解剖结构和全周期电影运动编码为连续的潜在轨迹，采用心率感知的神经常微分方程（ODE）动力学和基于图的网格自编码器来重建解剖学一致的 3D+t 心室运动。协变量条件先验定义预期的舒张末期潜在状态，Cox 比例风险模型检验偏离该先验是否可预测新发心力衰竭。我们研究了 72,386 名无基线心血管疾病的 UK Biobank 参与者，其中包括 367 例新发心力衰竭事件。在留出评估子集中，将潜在评分加入重新拟合的汇总队列方程后，分层 C 指数从 0.704 提升至 0.785，而七个已确立的心脏标志物为 0.764。与非图和非 ODE 方法相比，所提模型在重建保真度、生成真实性和下游预后性能之间取得了最佳权衡。这些结果表明，心室运动的连续全周期建模可提供超越传统 CMR 汇总指标的有信息心脏表型，但在用于临床风险预测之前，仍需在更具代表性的患者队列中进行外部验证。
| 学科： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2606.26718 [cs.AI] |
| （或 arXiv:2606.26718v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.26718 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | Medical Image Analysis, Volume 116, 2027, 104376 |
| 相关 DOI： | https://doi.org/10.1016/j.media.2026.104376
链接到相关资源的 DOI |
提交历史
来自：David Bruggemann [查看电子邮件]
[v1]
2026年6月25日星期四 07:53:45 UTC（4,383 KB）
[v2]
2026年11月5日星期四 16:14:35 UTC（6,162 KB）
来源：arXiv cs.AI · arxiv.org