HeartFormer：用于 3D 四腔心脏点云重建的语义感知双结构 Transformer
计算机视觉与模式识别
2025-12-02 v1
摘要
我们提出了首个基于点云表示的几何深度学习框架，用于从 cine MRI 数据重建 3D 四腔心脏。本工作解决了传统 cine MRI 仅提供心脏 2D 切片图像的长期局限，限制了对心脏形态及健康与疾病状态下生理机制的全面理解。为此，我们提出了 HeartFormer，这是一个新的点云完成网络，将传统单类点云完成扩展到多类。HeartFormer 包含两个关键组件：语义感知双结构 Transformer 网络（SA-DSTNet）和语义感知几何特征细化 Transformer 网络（SA-GFRTNet）。SA-DSTNet 生成具有全局几何特征和亚结构几何特征的初始粗糙点云。受语义-几何表示的指导，SA-GFRTNet 不断细化粗糙输出，有效利用全局与亚结构几何先验，产生高保真且几何一致的重建。我们进一步构建了 HeartCompv1，这是首个公开的大规模数据集，包含 17,000 高分辨率 3D 多类心脏网格和点云，以为这一新兴研究方向建立通用基准。HeartCompv1 和 UK Biobank 上的广泛跨域实验表明，HeartFormer 在鲁棒性、准确性和可泛化性方面均显著优于当前最先进（SOTA）方法。代码和数据集将在接受录取后发布：https://github.com/10Darren/HeartFormer。
引用
@article{arxiv.2512.00264,
title = {HeartFormer: Semantic-Aware Dual-Structure Transformers for 3D Four-Chamber Cardiac Point Cloud Reconstruction},
author = {Zhengda Ma and Abhirup Banerjee},
journal= {arXiv preprint arXiv:2512.00264},
year = {2025}
}