用深度学习对固体生物力学进行患者特定的心脏几何建模
IEEE transactions on medical imaging
|July 11, 2023
概括
DeepCarve是一种深度学习方法,可以快速准确地自动创建针对患者的心脏体积网格. 这加快了生物力学研究,包括应力分析和支架模拟,而无需手动后处理.
科学领域:
- 生物医学工程 生物医学工程
- 计算力学 计算力学 计算力学
- 医疗成像医学成像
背景情况:
- 患者特定心脏几何形状的自动体积网格对生物力学研究至关重要.
- 现有的方法往往无法充分模拟像门小册子这样的薄结构.
- 准确的网格对可靠的下游分析至关重要,例如应力估计.
研究的目的:
- 介绍DeepCarve,这是一种新的深度学习方法,用于自动化针对患者的心脏体积网格生成.
- 为了在生成的网格中实现高空间精度和元素质量.
- 为了使网格能够快速直接用于有限元分析.
主要方法:
- 使用基于变形的深度学习方法.
- 至少足够的表面网格标签可以确保精确的空间准确性.
- 同时优化同otropic 和 anisotropic 变形能量可以提高体积网格质量.
- 深心体积网格 (DeepCarve) 框架. 深心体积网格.
主要成果:
- DeepCarve生成患者特定的体积网格,具有高空间精度和元素质量.
- 网格生成实现每次扫描的推断时间为0.13秒.
- 生成的网格可以直接用于无需人工干预的有限元分析.
- 支持将化网格纳入,以提高模拟准确度.
- 通过众多支架部署模拟的验证证明了大批量分析的可行性.
结论:
- DeepCarve 在自动心脏体积网格中提供了显著的进步.
- 该方法通过提供高质量,准备使用的网格来加速生物机械模拟.
- DeepCarve有可能加速心脏研究和临床应用.
