低秩约束让超声视频隐空间变成可读的心脏周期轨迹，无需额外训练即可读出ED/ES帧

作者先观察VidFuncta逐帧调制向量ϕ的成对余弦相似度矩阵，发现其呈低秩且沿副对角线有清晰周期性的模式，据此把逐帧调制向量约束为mt = v + Bβϕt，其中Bβ是秩为k的可学习子空间。 此前Functa类方法（Functa、VidFuncta、Latent-INR等）主要关注重建与下游任务，隐空间的结构与可解释性基本未被探索；该工作首次对Functa类框架的隐空间进行分析并施加结构化低秩约束。 基于对VidFuncta隐空间的余弦相似度可视化观察，并在EchoNet-Dynamic（10,030段四腔心视频）上训练与评估，与COIN++、MedFuncta、VidFuncta及卷积自编码器对比。

低秩隐空间在k=2时可被直接可视化：LRM-Functao呈周期性螺旋轨迹，LRM-Functab则退化为沿一条直线往返；将ϕ投影到PCA得到的主运动方向并做Savitzky–Golay滤波后，信号的峰谷即可无监督读出ED与ES帧。 ED/ES识别不再需要额外训练模型，而是从隐轨迹直接读出；作者称这是首个在INR架构中实现结构化、可解释隐表示的工作。 在EchoNet-Dynamic测试集上，k=2时LRM-Functab的ED MAE为2.26±2.5、ES MAE为1.98±2.1，接近作者引用的全监督方法（ED MAE 2.1、ES MAE 1.7）；k=512时LRM-Functao的ES MAE为2.16±2.2。

在极低秩下重建仍稳定：k=2和k=4时LRM-Functa是唯一保持稳定重建质量的方法，秩较高时LRM-Functao达到或超过所有对比方法。 以往方法在低秩下重建退化，该工作把每帧压缩到k=2（作者称约3000×压缩）仍可用，k=512对应约25×压缩。 在EchoNet-Dynamic预定义测试集（1277个样本）上以PSNR与SSIM3D评估，随k变化绘制曲线（图5）。

压缩后的重建仍保留临床相关信息：k=2时LRM-Functao的射血分数预测MAE为5.29±0.1、RMSE为7.14±0.1、R²为0.67±0.01，接近原始视频上界（MAE 4.93±0.3、RMSE 6.71±0.4、R² 0.70±0.03）；肺超声B线分类在k=512时AUROC为91.7±3.7，与原始视频的91.5±5.9相当。 把高压缩率与下游临床任务性能的保持直接联系起来，并显示Functa类方法在B线任务上保留诊断特征，而卷积自编码器未能保留所需细节。 下游任务用ResNet 18-3D在重建视频上训练20个epoch、5折交叉验证；射血分数用MAE/RMSE/R²，B线用准确率/F1/AUROC；肺超声数据为200段成人急诊视频，其中40例留作测试。

该结果面向超声视频（主要是心脏四腔心与POCUS两腔心视图，以及肺超声B线任务）的紧凑表示与无监督心脏相位读出；适用场景是希望在不额外训练相位检测模型的前提下，从隐轨迹直接获得ED/ES索引，并把视频压缩到每帧k=2至k=512个系数。对希望复用该表示做异常检测或先天性心脏病分类的研究者，作者在结论中把这两项列为后续工作。

POCUS分布外评估仅17段视频，肺超声测试集为40例，样本规模有限，跨中心与跨设备的稳定性仍是开放问题。作者提到POCUS上MAE低于EchoNet-Dynamic，推测与较低帧率有关，这一解释尚待进一步确认。作者也指出肺超声B线检测需要更细的空间细节，因此该任务只在k=512下评估，极低秩下的表现未给出。此外，作者在结论中提出未来要提升重建保真度以保留评估左心室肥厚所需的细微结构，说明当前保真度对这类精细结构任务可能仍不够。本文为全文阅读，但图5的具体数值曲线与图3、图4的轨迹细节以图像形式呈现，正文未给出逐点数值，因此对重建质量随k变化的精确幅度只能依据文字描述判断。