机会性心脏健康评估：通过多模态表征从定位器 MRI 估计表型
计算机视觉与模式识别
2026-03-17 v1 人工智能
摘要
心血管疾病是首要死因。心脏表型 (CPs)，例如射血分数，是评估心脏健康的金标准，但它们源自电影心脏磁共振成像 (CMR)，成本高昂且需要高时空分辨率。每次磁共振 (MR) 检查都以快速且粗略的定位器开始用于扫描规划，随后被丢弃。尽管图像质量不具诊断性且缺乏时间信息，定位器可以快速提供有价值的结构信息。此外，患者层面的信息，包括人口统计学和生活方式，也会影响心脏健康评估。心电图 (ECG) 成本低廉，在临床实践中常规订购，并捕捉心脏的时间活动。在此，我们引入 C-TRIP（心脏三模态成像表型表征），一个多模态框架，将定位器 MRI、ECG 信号和表格元数据对齐以学习鲁棒的隐空间，并使用定位器图像作为 CMR 的机会性替代来预测 CPs。通过结合这三种模态，我们分别利用定位器和 ECG 中廉价的空间和时间信息，同时受益于表格数据提供的患者特异性上下文。我们的流水线包含三个阶段。首先，编码器独立训练以学习单模态表征。第二阶段融合预训练编码器以统一隐空间。最终阶段使用丰富的表征空间进行 CP 预测，推理仅在定位器 MRI 上执行。所提出的 C-TRIP 产生了精确的功能 CPs，并对结构 CPs 具有高相关性。由于定位器本质上快速且低成本，我们的 C-TRIP 框架可以实现更好的 CP 估计可及性。
引用
@article{arxiv.2603.13590,
title = {Opportunistic Cardiac Health Assessment: Estimating Phenotypes from Localizer MRI through Multi-Modal Representations},
author = {Busra Nur Zeybek and Özgün Turgut and Yundi Zhang and Jiazhen Pan and Robert Graf and Sophie Starck and Daniel Rueckert and Sevgi Gokce Kafali},
journal= {arXiv preprint arXiv:2603.13590},
year = {2026}
}