基于运动与形状解耦模型的四维心肌重建

该研究针对电影磁共振（CMR）成像切片间距较大、难以恢复心肌连续形状与运动的问题，提出运动与形状解耦的四维重建方法，从有限切片获得的稀疏点云序列估计心肌形状及其随时间的变化。基于摘要分析，未取得论文全文。 框架包含神经运动模型与舒张末期（ED）隐式形状模型。形状模型学习连续的心肌边界，为运动估计提供约束，使其不依赖真实形变的监督；运动模型则将任意心动周期相位中的点变形至 ED 相位，为形状模型提供规范化输入。两者通过统一的 ED 空间相互约束，而非独立完成形状恢复和运动估计。作者还利用该空间预训练形状模型，以指导运动模型并缓解数据稀缺问题；具体网络结构、损失函数及训练流程尚未验证。 作者称提出了其所知的首个四维心肌数据集，并在自建、公开及跨模态数据集上验证方法。作者报告重建性能优于对照，并称可支持多种临床应用，但摘要未提供数据集名称、样本规模、划分方式、对照方法或定量指标，因此尚不能判断优势幅度、泛化范围及临床验证程度。实验协议、消融及统计信息尚未验证。 本文主要研究对象是心脏影像中的心肌几何与运动重建，不是 EEG 解码或 BCI。摘要未建立其方法与神经信号任务的具体对应关系，不能据此推断 BCI 有效性。