相关实验视频
Updated: Jul 12, 2025

Three-Dimensional Printing of a Complex Aortic Anomaly
Published on: November 1, 2018
基于机器学习的胸前大动脉与先天性门疾病的细分使用MRI
Elias Sundström1, Marco Laudato1,2
1Department of Engineering Mechanics, FLOW Research Center, KTH Royal Institute of Technology, Teknikringen 8, 10044 Stockholm, Sweden.
机器学习细分通过分析主动脉剪切应力来改善双主动脉 (BAV) 评估. 这种方法减少了手动细分时间,并突出了BAV形态如何影响血液动力学应力,有助于预测门无能.
科学领域:
- 心血管成像 - 心血管成像
- 生物医学工程 生物医学工程
- 计算流体动力学的流体动力学.
背景情况:
- 双动脉 (BAV) 患者需要定期进行成像,以监测功能障碍.
- 用于血液动力学评估的手动大动脉细分是耗时且容易产生偏差的.
- 了解BAV形态对大动脉剪切应力的影响,对于预测门无能至关重要.
研究的目的:
- 采用基于机器学习 (ML) 的细分来改进BAV评估.
- 量化BAV形态和旋转结构之间的关系.
- 分析BAV形态如何影响大动脉剪切应力和对无能度的易感性.
主要方法:
- 在全身CT数据上训练的ML细分模型.
- 从三大动脉 (TAV) 和BAV.患者获得的MRI.
- 利用4D-PCMRI量化旋转结构和墙壁剪切应力.
主要成果:
- 对于心脏细分,ML模型获得了高的Dice得分 (0.86);胸前大动脉细分较差 (0.72).
- 三主动脉 (TAVs) 显示了对称的壁切削应力.
- 双主动脉 (BAVs) 呈现不对称的壁切削应力,由于螺旋流,与相反的合叶片相对应的触角切削应力升高.
结论:
- 基于ML的细分减少了评估运行时间,并确定了BAV中触壁剪切应力的重要性.
- 在BAV中,不对称的剪切应力与门无能症的进展有关.
- 这些发现可以指导BAV患者的手术干预.
更多相关视频
09:57Four-Dimensional Computed Tomography-Guided Valve Sizing for Transcatheter Pulmonary Valve Replacement
Published on: January 20, 2022
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018
相关概念视频
Thoracic Aorta
Aortic Regurgitation II: Clinical Features and Diagnostic Tests
Mitral Stenosis II: Clinical features and Diagnostic Tests