基于生物物理约束的神经表示用于患者个性化呼吸运动建模
计算机视觉与模式识别
2026-03-24 v1
摘要
精准的空间剂量分配对于放疗治疗的成功至关重要。在肺部和上腹部区域，呼吸运动会引入显著的治疗不确定性，需采用特殊的运动管理技术。为此常用呼吸运动模型来推断患者个性化呼吸运动并更高效地定位剂量。本文探讨使用隐式神经表征（INR）进行基于代理的运动建模的可能性。我们提出了生物物理正则化的呼吸运动代理建模方法（PRISM-RM）。我们的新型集成呼吸运动模型无需固定的参考呼吸状态。不同于常规的成对配准技术，本方法提供了轨迹感知的时空连续可微运动表示，提高了对外推情景的泛化能力。我们引入生物物理约束，确保训练数据之外的时间范围内都能获得生理上可信的运动估计。结果表明，基于轨迹的方法在插值方面与我们最初提出的INR方法持平，并在外推能力上取得改进。相较于顺序配准方法，两种方法在插值上表现相当，但在外推情景下表现不足。然而，INR的方法论特征使其特别适合呼吸运动建模，且随着性能的不断提升，显示出强大的潜力来推动这一领域的发展。
引用
@article{arxiv.2603.22123,
title = {Biophysics-Enhanced Neural Representations for Patient-Specific Respiratory Motion Modeling},
author = {Jan Boysen and Hristina Uzunova and Heinz Handels and Jan Ehrhardt},
journal= {arXiv preprint arXiv:2603.22123},
year = {2026}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:008