A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI
作者: David Brüggemann, Ekaterina Krymova, Firat Özdemir, Jochen von Spiczak, Sebastian Kozerke, Samia Mora, Robert Manka, Mathieu Salzmann, Olga V. Demler
分类: cs.AI, cs.CV
发布日期: 2026-06-25
💡 一句话要点
提出潜在ODE模型以解决心脏MRI时空建模问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)
关键词: 心脏磁共振成像 潜在动力学模型 神经ODE 图形自编码器 心衰预测 时空建模 生物医学工程
📋 核心要点
- 现有的心脏风险模型仅依赖于少量心脏相位的图像指标，无法充分利用CMR的时空信息。
- 本文提出了一种潜在动力学模型，利用ODE动态和图形自编码器重建心室运动，提供更全面的心脏表型。
- 在72,386名参与者的研究中，模型的C-index从0.704提升至0.785，优于传统的心脏标记物。
📝 摘要（中文）
心脏磁共振成像（CMR）捕捉了丰富的时空信息，但传统风险模型仅使用少量图像衍生指标。本文提出了一种潜在动力学模型，通过心率感知的神经常微分方程（ODE）动态和基于图的网格自编码器，重建解剖一致的3D+t心室运动。研究表明，添加潜在评分显著提高了心衰预测的C-index，显示出连续全周期建模的潜力。外部验证仍需在更具代表性的患者队列中进行。
🔬 方法详解
问题定义：本文旨在解决传统心脏风险模型在利用心脏MRI时空信息方面的不足，现有方法仅依赖于少量图像衍生指标，无法全面反映心室运动特征。
核心思路：论文提出了一种潜在动力学模型，通过心率感知的神经ODE动态和图形自编码器，构建连续的潜在轨迹，从而重建心室的3D+t运动，提供更丰富的心脏表型信息。
技术框架：整体架构包括潜在ODE模型和图形自编码器两个主要模块。潜在ODE模型负责编码心室运动的动态特征，而图形自编码器则用于重建解剖一致的心室形态。
关键创新：最重要的创新在于结合了心率感知的ODE动态与图形自编码器，能够在重建精度、生成现实性和预后性能之间实现最佳平衡，这在现有方法中尚未实现。
关键设计：模型中采用了协变量条件的先验来定义预期的舒张末期潜在状态，并使用Cox比例风险模型来检验偏离该先验的情况是否能预测心衰事件。
🖼️ 关键图片
📊 实验亮点
在对72,386名UK Biobank参与者的研究中，模型的C-index从0.704提升至0.785，显著优于传统的心脏标记物（0.764）。这一结果表明，潜在ODE模型在心衰预测中具有更高的准确性和实用性。
🎯 应用场景
该研究的潜在应用领域包括心脏病风险评估和个性化医疗。通过更全面的心脏表型建模，医生可以更准确地预测心衰风险，从而制定更有效的治疗方案。未来，该模型有望在临床实践中得到广泛应用，改善心脏病患者的预后。
📄 摘要（原文）
Cardiac magnetic resonance imaging (CMR) captures rich spatiotemporal information about ventricular structure and motion, but conventional risk models use only a few image-derived indices from selected cardiac phases. We present a latent dynamical model that encodes bi-ventricular anatomy and full-cycle cine motion as a continuous latent trajectory, using heart-rate-aware neural ordinary differential equation (ODE) dynamics and a graph-based mesh autoencoder to reconstruct anatomically consistent 3D+t ventricular motion. A covariate-conditioned prior defines the expected end-diastolic latent state, and a Cox proportional hazards model tests whether deviations from this prior predict incident heart failure. We studied 72,386 UK Biobank participants without baseline cardiovascular disease, including 367 incident heart failure events. In a held-out evaluation subset, adding the latent score to refitted pooled cohort equations improved the stratified C-index from 0.704 to 0.785, compared with 0.764 for seven established cardiac markers. Compared with non-graph and non-ODE approaches, the proposed model gave the best trade-off between reconstruction fidelity, generative realism, and downstream prognostic performance. These results suggest that continuous full-cycle modeling of ventricular motion provides informative cardiac phenotypes beyond conventional CMR summaries, while external validation in more representative patient cohorts is required before clinical risk-prediction use.