链式流：面向ECG到4D心脏数字孪生的基础生成框架
计算机视觉与模式识别
2026-02-27 v1
摘要
临床可操作的心脏数字孪生体（CDT）应能够重建个体化的心脏解剖和生理，更新其内部状态以整合多模态信号，并支持超出孤立任务的广泛下游仿真。然而，现有的CDT框架局限于特定任务的预测器，而无法构建面向单个患者的、可操作的虚拟心脏。本文引入了链式流（COF），一个基于心电图的基础生成框架，从单个心动周期重建完整的4D心脏结构和运动。该方法在训练中整合了心脏cine-CMR和12导联ECG，以学习心脏几何、电生理和运动动力学的统一表征。我们在多样化队列上评估了链式流，证明其能够准确恢复心脏解剖、室级功能以及动态运动模式。重建的4D心脏进一步支持下游CDT任务，如体积测量、区域功能分析和虚拟cine合成。通过直接从ECG实现完整4D器官重建，COF将心脏数字孪生体从狭窄的预测模型转变为完整的、以患者为基础的虚拟心脏。代码将在审查后发布。
引用
@article{arxiv.2602.22919,
title = {Chain of Flow: A Foundational Generative Framework for ECG-to-4D Cardiac Digital Twins},
author = {Haofan Wu and Nay Aung and Theodoros N. Arvanitis and Joao A. C. Lima and Steffen E. Petersen and Le Zhang},
journal= {arXiv preprint arXiv:2602.22919},
year = {2026}
}
备注
10 pages, 8 figures. Submitted to IEEE Transactions on Medical Imaging (TMI). Code will be released after review