从中心线进行大脑动脉网络的建模和六面状网格
Méghane Decroocq1, Carole Frindel2, Pierre Rougé3
1CREATIS, Université Lyon1, CNRS UMR5220, INSERM U1206, INSA-Lyon, 69621 Villeurbanne, France; LIRIS, CNRS UMR 5205, F-69621, France; ELyTMaX IRL3757, CNRS, INSA Lyon, Centrale Lyon, Université Claude Bernard Lyon 1, Tohoku University, 980-8577, Sendai, Japan; Institute of Fluid Science, Tohoku University, 2-1-1, Katahira, Aoba-ku, Sendai, Miyagi 980-8577, Japan; Graduate School of Biomedical Engineering, Tohoku University, 6-6 Aramaki-aza-aoba, Aoba-ku, Sendai, Miyagi 980-8579, Japan.
这项研究引入了一种自动化方法,用于从血管中心线创建计算流体动力学 (CFD) 网格,从而提高血流模拟的准确性. 该技术提高了复杂的血管网络的强度和网状质量.
科学领域:
- 医学成像和计算建模.
- 生物医学工程 生物医学工程
- 流体动力学 流体动力学
背景情况:
- 使用计算流体动力学 (CFD) 精确的血流模拟依赖于精确的血管几何模型.
- 从低分辨率的医疗图像中提取这些模型是具有挑战性的.
- 基于中线的表示提供几何和拓信息,但有诸如噪声和稀疏性等局限性.
研究的目的:
- 开发一种用于CFD模拟的自动方法,直接从CFD模拟的中心线生成结构化六边形网格.
- 为了提高从潜在的噪音或稀疏的中心线数据中获得的网格的强度和质量.
- 通过轻松编辑血管模型来促进血液动力学研究.
主要方法:
- 建议采用基于线的惩罚性船舶模型,以解决中心线的限制.
- 一个参数解剖模型被扩展到重建分叉,包括n-分叉.
- 开发了一种方法,从血管网络模型中生成结构化,六面体,流量导向的体积网.
主要成果:
- 与现有方法相比,该方法证明了对常见的中线缺陷的强度提高,并提高了网格质量.
- 60个大脑血管网络的自动网格实现了92%的血管和83%的分支网格,没有人工干预.
- 该方法有效地处理具有挑战性的输入数据,产生高质量的CFD准备网格.
结论:
- 拟议的自动中心线到网格方法为CFD血流模拟提供了强大而高效的解决方案.
- 这种技术有助于分析血管几何和拓学对血液动力学的影响.
- 公开发布的源代码支持进一步的研究和应用在血管建模和模拟.
更多相关视频
08:12A Volumetric Method for Quantification of Cerebral Vasospasm in a Murine Model of Subarachnoid Hemorrhage
Published on: July 28, 2018
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
