战胜 MRI 各向异性性：从单一隐式神经表示学习多种心脏形状
计算机视觉与模式识别
2026-02-13 v1 人工智能
摘要
短轴 (SAX) 心血管磁共振成像 (CMRI) 的各向异性特性限制了心脏形状分析。为此，我们提出利用心脏近各向同性、更高分辨率的CT血管造影 (CTA) 数据。我们利用这些数据训练单个神经隐式函数，以在任意分辨率下 jointly 表示来自CMRI的心脏形状。我们评估了该方法用于右心室 (RV) 和心肌 (MYO) 的重建，其中MYO同时建模左心室表面内膜和外膜。由于高分辨率SAX参考分割无法获得，我们通过从重建的RV和MYO中提取4胸 (4CH) 切片来评估性能。与来自CMRI的参考4CH分割掩模相比，我们的方法在RV和MYO上的Dice相似系数分别为0.91 ± 0.07和0.75 ± 0.13，Hausdorff距离分别为6.21 ± 3.97 mm和7.53 ± 5.13 mm。定量和定性评估表明，该模型能够重建准确、平滑且解剖学上合理的形状，支持心脏形状分析的改进。
引用
@article{arxiv.2602.11436,
title = {Fighting MRI Anisotropy: Learning Multiple Cardiac Shapes From a Single Implicit Neural Representation},
author = {Carolina Brás and Soufiane Ben Haddou and Thijs P. Kuipers and Laura Alvarez-Florez and R. Nils Planken and Fleur V. Y. Tjong and Connie Bezzina and Ivana Išgum},
journal= {arXiv preprint arXiv:2602.11436},
year = {2026}
}