S2MNet：通过超声心动图实现三维心脏形态重建的散斑到网格网络
图像与视频处理
2025-05-12 v1 计算机视觉与模式识别
摘要
超声心动图因其无创性、实时性和成本效益，是心脏评估中最常用的成像方式。尽管有其优势，大多数临床超声心动图仅提供二维视图，限制了全面评估三维心脏解剖结构和功能的能力。虽然存在三维超声心动图，但它通常存在分辨率降低、可用性有限和采集成本较高的问题。为了克服这些挑战，我们提出了一个深度学习框架 S2MNet，通过整合六个常规采集的二维超声心动图视图切片，重建连续且高保真的三维心脏模型。我们的方法有三个优点。首先，我们的方法通过从给定三维心脏网格的相应切片模拟六张二维超声心动图图像，避免了训练数据采集的困难。其次，我们引入了一种基于形变场的方法，避免了三维超声心动图重建中的空间不连续性或结构伪影。我们使用临床采集的超声心动图验证了我们的方法，并证明我们估计的左心室容积（心脏功能的关键临床指标）与医生测量的 GLPS（一种在医学理论上应与 LVE 呈负相关的临床测量值）强相关。这种关联证实了我们提出的三维重建方法的可靠性。
引用
@article{arxiv.2505.06105,
title = {S2MNet: Speckle-To-Mesh Net for Three-Dimensional Cardiac Morphology Reconstruction via Echocardiogram},
author = {Xilin Gong and Yongkai Chen and Shushan Wu and Fang Wang and Ping Ma and Wenxuan Zhong},
journal= {arXiv preprint arXiv:2505.06105},
year = {2025}
}