可解释且可控的动作曲线引导的心脏超声视频生成

超声心动图视频是诊断心脏疾病的主要模态之一，但数据有限给临床教学和机器学习训练带来了挑战。最近，视频生成模型作为缓解这一问题的有前景的策略。然而，先前的方法通常依赖于生成过程中的整体条件，阻碍了对特定心脏结构的灵活运动控制。针对这一问题，我们提出了一种可解释且可控的心动图视频生成方法，采用初始帧和动作曲线作为引导。我们的贡献有三方面：第一，我们从每个心脏亚结构中提取运动信息，以构建动作曲线，使扩散模型能够通过修改这些曲线来合成定制的心动图视频；第二，我们提出了结构到运动的对齐模块，可将语义特征映射到心脏结构上的动作曲线；第三，设计了位置感知注意力机制，以利用带有结构位置信息的高斯掩码来增强视频一致性。在三个心动图数据集上的大量实验表明，我们的方法在保真度和一致性方面优于其他方法。该代码将在 https://github.com/mlmi-2024-72/ECM 发布。