データ駆動型の幾何学認識型集中型動脈狭窄モデルの導出のための統計的形状モデリングアプローチ

科学分野:

• 心血管流体力学
• 生物医学工学
• 計算モデリング

背景:

• 既存の集中型動脈狭窄モデルは、複雑な病変形状に対する精度が不足しています。
• これは、冠動脈疾患の正確な評価を制限します。

研究 の 目的:

• 正確な圧力-流量関係予測のための、幾何学情報に基づいたデータ駆動型集中型狭窄モデルを開発すること。
• 血管横断的圧力低下および偽影率（FFR）推定の改善。

主な方法:

• 統計的形状モデリング（SSM）を利用して、多様な合成冠動脈狭窄形状を作成しました。
• 高忠実度3D計算流体力学（CFD）を使用して、参照圧力-流量データを導出しました。
• CFD結果と形状係数を使用して、集中型パラメータモデルをトレーニングしました。

主要な成果:

• 5モード形状表現により、幾何学的変動を効率的に捉えることができました。
• 新しいモデルは、特に不規則な形態において、従来の集中型モデルと比較して圧力低下予測精度が大幅に向上しました。
• 1D脈波伝播フレームワークへの統合により、CFDとの波形相関が向上しました。
• 偽影率（FFR）推定が18％改善しました。

結論:

• 幾何学情報に基づいたデータ駆動型集中型狭窄モデルは、動脈病変の評価において優れた精度を提供します。
• このアプローチは、FFRを含む血行動態評価の臨床的有用性を向上させます。
• モデルのアーキテクチャは、広範な検証のために患者固有のデータを統合することをサポートします。