SDF4CHD:与先天性心脏缺陷的心脏解剖学的生成建模

科学领域:

• 医学成像和计算解剖学的医学成像.
• 医疗保健中的人工智能
• 心血管研究的心血管研究.

背景情况:

• 先天性心脏病 (CHD) 提出了独特的解剖学挑战,需要个性化治疗.
• 深度学习 (DL) 为正常解剖结构自动化心脏细分,但与罕见的CHD变异作斗争.
• 对于心脏解剖学的现有的生成模型并没有针对心脏病的拓多样性进行优化.

研究的目的:

• 为模拟各种先天性心脏病 (CHD) 解开发一种无纠的生成深度学习方法.
• 为了合成患者特定的心脏形状,同时保持各种心脏病类型的独特拓.
• 为改善计算模拟和细分增强生成CHD心脏网格的虚拟队列.

主要方法:

• 一种类型和形状脱的生成DL模型,使用签名距离场 (SDF) 来表示CHD解剖学.
• 在SDF中隐性编码CHD类型特定异常,以捕捉不同的解剖变异.
• 学习可逆变形来从通用心脏病模型中重建患者特定的心脏形状.

主要成果:

• 提出的DL方法有效地捕捉了不同类型的CHD中广泛的心脏解剖学.
• 该方法合成了各种心脏形状,同时保留了特定心脏病的基本拓特征.
• 该模型可以生成有意义的CHD中间状态,并增强罕见CHD类型的数据集.

结论:

• 这种生成方法为创建CHD解剖学虚拟队列提供了一个强大的工具.
• 它有可能显著提高心脏细分和心脏病患者的计算建模.
• 该方法有助于改善罕见心血管结构异常的诊断,治疗计划和模拟.