用于条件生成心脏的时空神经距离场

心脏有节律的泵动运动是生命的基石，因为它通过一系列精确的收缩将血液循环至整个人体。心室大小、形状和运动的变化可以是心血管疾病的重要标志，因此就临床人口学或疾病关系建模这一问题具有重要意义。现有方法在时空建模中需要形状随时间保持对应性，或 suffer from 巨大的内存要求，使其难以用于复杂解剖。我们引入一种新型条件生成模型，其中形状和运动以时空神经距离场的形式被隐式建模，并以临床人口学为条件。该模型基于 auto-decoder 架构，旨在分离与临床人口学相关的变异。它在左心房（包括左心房横纹）上进行测试，其中它在解剖序列完成方面优于当前的先进方法，生成的合成序列能够真实地模拟左心房的形状和运动。实际应用中，这意味着我们可以从静态图像推断功能测量值，生成具有指定人口学或疾病特征的合成人群，探讨非影像临床数据如何影响心脏解剖的形状和运动。