CardiacFlow：基于流匹配的三维+时间四腔心脏形状完成与生成
图像与视频处理
2025-09-09 v1
摘要
从多视角心脏磁共振（CMR）图像学习三维+时间形状完成与生成需要大量高分辨率三维全心 segmentation（WHS）以捕获形状先验。本文利用流匹配技术学习深度生成流，用于WHS数据的增强、完成和生成，以隐式表示四个心脏腔室的形状。首先，我们引入潜在定向流以从有限数量的WHS数据中学习生成三维心脏形状的数据增强。随后，在真实数据和合成数据上训练标签完成网络，以从稀疏多视角CMR segmentation中重建三维+时间形状。最后，我们提出CardiacFlow，一种基于周期性高斯核编码时间帧的新型一阶生成流模型，用于高效的三维+时间四腔心脏形状生成。在WHS数据集上的实验表明，基于流的数据增强可在三维形状完成中降低16%的几何误差。在UK Biobank数据集上的评估表明，CardiacFlow在生成质量和周期一致性方面优于现有基线方法。
引用
@article{arxiv.2509.05754,
title = {CardiacFlow: 3D+t Four-Chamber Cardiac Shape Completion and Generation via Flow Matching},
author = {Qiang Ma and Qingjie Meng and Mengyun Qiao and Paul M. Matthews and Declan P. O'Regan and Wenjia Bai},
journal= {arXiv preprint arXiv:2509.05754},
year = {2025}
}
备注
Accepted by MICCAI 2025 (submitted version)