技術的概要：CineMesh4D

問題定義

臨床画像からの 3D+t（4D）心臓全体のメッシュの正確な再構築は、個別化された診断および治療のための患者固有の「心臓デジタルツイン」を創出する上で重要なステップである。しかし、標準的な臨床慣行は 2D シネ MRI に依存しており、これは本質的にサンプリングが疎（スライス間隔が大きい）であり、心臓の完全な体積カバレッジを提供しない。3D MRI または CT は完全なカバレッジを提供するが、長いスキャン時間と呼吸停止の必要性が、日常的な臨床への導入を妨げている。

心臓幾何学再構築のための既存の深層学習アプローチは、2 つの主要な制限に直面している：

1. 範囲：多くの手法は心室幾何学（例えば左心室のみ）または両心室モデルに限定されており、心房を含む心臓全体の動態を捉えることができない。
2. 時間的およびデータ制約：心臓全体を扱うアプローチは、しばしばリソース集約的な 3D 体積データに依存するか、または単一の心臓位相のみを再構築し、心臓の形状と運動の密接な結合を無視している。現在の手法は、疎な多視点 2D シネ MRI から形状と運動の結合表現を学習することに苦労している。

手法

著者らは、多視点 2D シネ MRI 系列を時間的に一貫した 3D 心臓全体メッシュに直接マッピングするエンドツーエンドのパイプラインであるCineMesh4Dを提案する。このフレームワークは、4 つの主要なコンポーネントから構成される：

1. ドメイン固有の解剖学的特徴抽出

• 画像ドメイン：事前学習された心臓用 U-Net が、多視点シネ MRI 系列（短軸 [SAX] スタックおよび長軸 [2CH, 3CH, 4CH] ビュー）から解剖学的特徴埋め込みを抽出する。SAX と LAX ビューは、それぞれ個別の 3D および 2D CNN エンコーダによって処理される。
• メッシュドメイン：変分オートエンコーダ（VAE）が心臓の解剖学的変動をモデル化するために用いられる。4D メッシュ系列は、空間グラフの系列として扱われる。メッシュエンコーダは、局所的な近傍集約と遠隔のメッシュ領域間の長距離相互作用の両方を捉えるために、グラフ畳み込みネットワーク（GCN）および Exphormer（グラフ注意機構）を使用する。

2. 二重コンテキスト時間ブロック

時間的一貫性を確保し、信頼性の高い心臓運動を捉えるために、フレームワークは二重コンテキスト時間ブロックを導入する。このモジュールは、2 種類の時間的情報を融合する：

• グローバルコンテキスト：グローバル運動記述子が心臓周期全体を要約し、長距離の時間的傾向を捉える。
• ローカルコンテキスト：スライディングウィンドウ機構が、隣接するフレーム間で短期的な一貫性を強制する。
  このブロックは、学習可能な残差ゲートベクトルを使用してこれらのグローバルおよびローカル特徴を融合し、メッシュ生成のための時間的に一貫した潜在表現を生成する。

3. 微分可能レンダリング損失（DR 損失）

疎な 2D 輪郭のみを使用して 3D メッシュ再構築を監督するために、著者らはベール・ランベルトの法則に由来する微分可能レンダリング損失を導入する。

• 機構：この損失は、メッシュ頂点と画像平面との間の距離を計算する。特定のビュー平面に近い頂点は投影された輪郭により強く寄与し、遠い頂点は指数関数的に重み付けが低下する。
• 目的：これにより、3D メッシュと 2D 観測との間に連続的で微分可能な結合が作成され、ネットワークは中間的な体積再構築なしに、2D 分割輪郭に対して直接 3D 形状を最適化できる。

4. 最適化と推論

パイプラインはエンドツーエンドで訓練される。画像エンコーダは凍結され、パラメータ効率のためにメッシュデコーダは低ランク適応（LoRA）を用いて適応される。総損失関数は以下のものを組み合わせる：

• 再構築損失（予測メッシュと真値メッシュ間の MSE）。
• 提案された微分可能レンダリング損失（$L_{DR}$）。
• 辺の長さ（$L_{edge}$）および面法線の一貫性（$L_{norm}$）のための正則化項。

主要な貢献

1. エンドツーエンドの 4D 画像からメッシュへのパイプライン：中間セグメンテーションや 3D 体積データに依存する先行研究とは異なり、CineMesh4D は、2D+t 疎シネ MRI から時間的に一貫した 3D 心臓全体メッシュへの直接マッピングを学習する。
2. 微分可能レンダリング損失：ベール・ランベルトの法則に基づく新しい監督戦略であり、疎な多視点 2D 輪郭を効果的に活用して 3D メッシュ最適化を導く。
3. 二重コンテキスト時間ブロック：グローバルなサイクルレベルのパターンとローカルなフレーム間の一貫性を融合する機構であり、モデルが高次元の逐次的心臓運動パターンを捉えることを可能にする。
4. 心臓全体の再構築：このシステムは、疎な臨床データから 5 つの解剖学的構成要素（LV、LV 心筋、RV、LA、RA）すべてを成功裡に再構築し、心室のみまたは単一位相モデルの限界を克服する。

実験結果

この手法は、多視点シネ MRI を有する 222 名の被験者データセットで評価された。

• 定量的性能：CineMesh4D は、再構築精度および時間的滑らかさにおいて、既存のベースライン（HybridVNet、MR-Net、PointNet++ など）を上回った。
  • メッシュ精度：完全なメッシュに対して平均絶対誤差（MAE）1.68 mm を達成し、ベースラインの HybridVNet の 2.18 mm と比較された。
  • 時間的滑らかさ：メッシュのジッターを大幅に低減（ベースラインの 2.29 mm/フレーム³ に対して 0.77 mm/フレーム³）。
  • 輪郭アライメント：微分可能レンダリング損失の有効性を示し、LAX ビュー（2CH、3CH、4CH）全体でベースラインと比較して境界 F スコアを約 17〜20% 改善した。
• アブレーション研究：
  • 二重コンテキストブロックを除去すると、MSE および体積誤差が増加し、特に心房に対して時間的一貫性にとってその必要性が確認された。
  • 微分可能レンダリング損失（$L_{DR}$）を除去すると、輪郭アライメントが劣化し、標準的な MSE 損失が見逃す境界制約を強制するその役割が証明された。
  • 多視点融合（SAX と LAX の組み合わせ）は、完全な 3D 再構築にとって不可欠であった。

意義と主張

本論文は、CineMesh4D が個別化されたリアルタイム心臓評価のための実用的な道筋を提供すると主張している。標準的な疎な 2D シネ MRI から直接、高忠実度かつ患者固有の 4D 心臓全体メッシュの再構築を可能にすることで、このフレームワークは、日常的な臨床環境における完全な 3D 体積データの取得というボトルネックに対処する。

著者らは、この作業を心臓デジタルツインへの重要なステップとして位置づけ、正確な解剖学的ツイン化および機能定量化を促進する。このフレームワークは堅牢かつ効率的に設計されており、メッシュあたりの推論時間が 0.1 秒未満であり、下流の臨床応用に適している。著者らは、将来の作業では、包括的な心臓疾患予測を可能にするために、病理学的メタデータおよび臨床シグナルの取り込みを目指すと述べている。