通过 impartial motion 驯服现代点跟踪用于纹理跟踪心导联

准确的心脏解剖组织运动估计对于精确的心脏功能测量至关重要。虽然传统方法如块匹配或光流在处理复杂的心脏运动时效果不佳，但现代点跟踪方法在该领域仍 largely 未被探索。本文研究了面向超声医学（尤其是心导联）的先进点跟踪方法的潜力。尽管这些新方法在一般视频中表现出色，但在心导联上的有效性和可推广性仍有限。通过分析实时 B 模式超声视频中心脏循环各阶段的心脏运动，我们识别到不同视角之间存在方向性运动偏差，这影响了现有训练策略。为缓解此问题，我们细化了训练程序，并引入一套量身定制的增强技术，以减少偏差并通过 impartial 心脏运动提升跟踪鲁棒性和泛化能力。我们还提出了一种轻量级网络，仅利用空间上下文中的多尺度成本体积来挑战高级时空点跟踪模型。实验表明，借助我们的策略进行的微调显著提升了模型在基准上的性能，即便在超出分布（OOD）情况下亦然。例如，EchoTracker 在心脏循环各阶段的整体位置精度提升 60.7%，中性轨迹误差降低 61.5%。有趣的是，尽管一些点跟踪模型在跟踪精度和泛化方面未能超越我们所提出的简单模型，这些方法仍能改善临床 GLS 测量值，使其更贴近专家验证的半自动化工具，从而在实际应用中表现出更好的可重复性。