从心脏磁共振（CMR）影像中进行三维运动估计对于评估心脏功能和诊断心血管疾病至关重要。目前的最先进方法主要集中在估计图像空间中密集的像素/体素级运动场，但忽略了这样一个事实：运动估计只有在解剖学相关的目标区域内才有意义和实用，例如心脏。在本研究中，我们将心脏建模为一个包含心内膜和心外膜表面的三维网格。我们提出了一种新颖的学习框架，DeepMesh，该框架将模板心脏网格传播到个体空间，并从CMR影像中估计心脏网格的三维运动。在DeepMesh中，首先从模板网格重建个体心脏的舒张末期网格。然后，从二维短轴和长轴CMR影像中估计相对于舒张末期的网格三维运动场。通过开发一个可微的网格到图像的光栅化器，DeepMesh能够利用来自多个解剖学视角的二维形状信息进行三维网格重建和网格运动估计。所提出的方法估计顶点级位移，从而保持时间帧之间的顶点对应关系，这对于在不同个体和群体中对心脏功能的定量评估至关重要。