Redes neuronales de grafos informadas por la física para la estimación del campo de flujo en arterias carótidas

Área de la Ciencia:

• Ingeniería Biomédica
• Imágenes Médicas
• Aprendizaje Automático

Sus antecedentes:

• Las cantidades hemodinámicas son factores de riesgo biomédicos cruciales para enfermedades cardiovasculares como la aterosclerosis.
• Los métodos actuales de medición in vivo no invasivos, como la resonancia magnética de flujo 4D, no son ampliamente accesibles.
• Las simulaciones de dinámica de fluidos computacional (CFD) suelen requerir grandes conjuntos de datos para el análisis hemodinámico.

Objetivo del estudio:

• Desarrollar un modelo sustituto impulsado por aprendizaje automático para la estimación precisa del campo de flujo hemodinámico.
• Entrenar modelos utilizando conjuntos de datos de resonancia magnética de flujo 4D in vivo de tamaño moderado, evitando la necesidad de datos in silico extensos.
• Crear una red neuronal eficiente e informada por la física para el análisis del flujo sanguíneo.

Principales métodos:

• Desarrolló una red neuronal de grafos que incorpora simetrías y principios físicos.
• Combinó la arquitectura PointNet++ con capas dirigibles por grupos para una red neuronal equivariante.
• Derivó un esquema de discretización eficiente para operadores diferenciales para integrar prioridades informadas por la física.

Principales resultados:

• El modelo estimó con precisión campos de flujo hemodinámico de bajo ruido en arterias carótidas.
• Demostró la transferibilidad de las relaciones geometría-hemodinámica aprendidas a diferentes modelos vasculares y modalidades de imagen.
• Entrenó con éxito redes neuronales de grafos informadas por la física utilizando datos de resonancia magnética de flujo 4D.

Conclusiones:

• Las redes neuronales de grafos informadas por la física ofrecen una alternativa viable a la CFD para el análisis hemodinámico utilizando resonancia magnética de flujo 4D.
• El modelo desarrollado puede estimar el flujo sanguíneo en geometrías de arterias carótidas novedosas.
• Este enfoque mejora la accesibilidad y la eficiencia de la evaluación de factores de riesgo hemodinámico para la patología cardiovascular.