超音波画像を用いて空間的に変化する動脈の硬さを決定するための物理情報に基づいたニューラルネットワークアプローチ:有限差シミュレーションと実験的なプラークファントム検証
Tuhin Roy1, Paul Kemper1, Nima Mobadersany1
1Department of Biomedical Engineering, New York City, USA.
Proceedings of the ... IEEE International Symposium on Applications of Ferroelectrics. IEEE International Symposium on Applications of Ferroelectrics
|September 2, 2025
まとめ
この研究は,心臓血管の健康に重要な要因である動脈の硬さを正確に測定するための新しい物理情報ニューラルネットワーク (PINN) を導入します. この方法は,高度なイメージング技術を使用して,局所動脈壁の硬さを正確に評価します.
科学分野:
- 生物医学工学
- 心血管研究
- 医療用イメージング
背景:
- 動脈の硬さは 心血管疾患による死亡率の 重要な予測因子です
- 精密で局所的な動脈硬さの評価は,リスクの階層化に不可欠です.
研究 の 目的:
- 空間的に変化する動脈の硬さを評価するための新しい物理情報ニューラルネットワーク (PINN) モデルを開発し,検証する.
- 高解像度動脈硬度測定のための超音波画像 (PWI) とベクトルフロー画像 (VFI) を統合する.
主な方法:
- 高フレームレート (3.3 kHz) のPWIとVFIを使用して,血管壁の位移と血流の速度を記録した.
- パルス波伝達の線形化1D微分方程式を統合したPINNモデルを開発した.
- 1Dシミュレーションとプラークファントムのインシリコデータを用いてモデルを検証した.
主要な成果:
- PINNモデルは 局所動脈壁の硬さを正確に推定しました
- シミュレートデータとファントムデータの両方で局所的な順守の変動を捕捉する効果が実証されています.
- 高速画像は動脈動態の正確な追跡を可能にしました.
結論:
- 提案されたPINNモデルは,動脈の硬さの正確で局所的な評価のための有望なアプローチを提供します.
- この方法は,心血管リスクの予測を改善する可能性があります.
- 将来の研究は非線形ダイナミクスと高次元データ統合を研究する.
