ECGFlowCMR: 利用心电图生成电影心脏磁共振进行预训练以辅助心脏病分类和表型预测
图像与视频处理
2026-02-11 v2 机器学习
摘要
心脏磁共振(CMR)成像可提供心脏结构和功能的全面评估，但仍受限于高昂的采集成本和对专家标注的依赖，这限制了大规模标注数据集的可用性。相比之下，心电图(ECG)成本低廉、广泛可用，并为条件化生成电影CMR提供了一种有前景的模态。为此，我们提出了ECGFlowCMR，一种新颖的ECG到CMR生成框架，它集成了相位感知掩码自编码器(PA-MAE)和解剖-运动解缠流(AMDF)，以解决两个基本挑战：(1) 多拍ECG记录与单周期CMR序列之间的跨模态时间错配，以及(2) 由于ECG固有的有限结构信息导致的解剖可观测性差距。在UK Biobank和一个专有临床数据集上的大量实验表明，ECGFlowCMR能够从ECG输入生成逼真的电影CMR序列，从而实现可扩展的预训练，并提高下游心脏病分类和表型预测任务的性能。
引用
@article{arxiv.2601.20904,
title = {ECGFlowCMR: Pretraining with ECG-Generated Cine CMR Helps Cardiac Disease Classification and Phenotype Prediction},
author = {Xiaocheng Fang and Zhengyao Ding and Guangkun Nie and Jieyi Cai and Yujie Xiao and Bo Liu and Jiarui Jin and Haoyu Wang and Shun Huang and Ting Chen and Hongyan Li and Shenda Hong},
journal= {arXiv preprint arXiv:2601.20904},
year = {2026}
}