本文介绍了一种新颖的几何深度学习方法——点云变形网络（PCD-Net），用于模拟心脏收缩和舒张过程。通过对超过10,000例数据集进行评估，发现PCD-Net的预测值与实际解剖结构之间的平均Chamfer距离小于图像分辨率。此外，PCD-Net能够捕捉到正常受试者和心肌梗死患者之间的亚人群特异性差异，并在MI检测和潜在MI预测任务中优于多个临床指标，对MI生存分析的Harrell's concordance指数提高了7%。

本文介绍了点云变形网络（PCD-Net）的几何深度学习方法，用于模拟心脏循环过程。通过对超过10,000例数据集的评估，发现PCD-Net的预测值与实际解剖结构之间的平均Chamfer距离小于图像分辨率。此外，PCD-Net能够捕捉到正常受试者和心肌梗死患者之间的亚人群特异性差异，并在MI检测和潜在MI预测任务中优于多个临床指标，对MI生存分析的Harrell's concordance指数提高了7%。