Dyna3DGR：基于动态 3D Gaussian 表示的四维心脏运动追踪

基于摘要分析。本文研究动态心脏磁共振成像（CMR）中的细粒度四维心脏运动追踪，提出 Dyna3DGR，将显式 3D Gaussian 表示与隐式神经运动场结合，以自监督方式联合优化心脏结构与运动。其主要对象是心肌组织的时空运动，并非 EEG 解码或 BCI。 心肌组织外观均一、显著特征不足，使跨时间点的精细追踪较为困难。作者将现有方法分为基于图像和基于表示两类：前者可能面临拓扑一致性或训练数据需求方面的限制，后者则可能损失图像级细节。Dyna3DGR 通过可微体渲染，将连续运动表示映射到图像空间进行对齐；作者称这一机制能够同时保持拓扑与时间一致性，且无需大量训练数据或点对点对应关系。具体表示参数化、运动场结构、损失函数与优化流程尚未验证。 作者报告，在 ACDC 数据集上的评估中，Dyna3DGR 的追踪精度优于所比较的先进深度学习微分同胚配准方法。摘要未提供具体指标、数值、数据划分、样本规模或基线配置，因此不能判断优势幅度及其适用范围；实验协议、消融及统计信息尚未验证。 摘要表示代码将公开，不能据此认定实现已发布或结果已可复现。复现时需核对图像预处理、优化所需输入与监督信息、追踪评估定义，以及拓扑和时间一致性的验证方式。材料未提供该方法与 EEG/BCI 信号结构的具体对应关系，因此不据此推断其具有 BCI 效果。