开发生理学信息化的计算冠状动脉斑块,用于虚拟成像试验
Thomas J Sauer1, Andrew J Buckler2, Ehsan Abadi1
1Center for Virtual Imaging Trials, Carl E. Ravin Advanced Imaging Laboratories, Department of Radiology, the Duke University Medical Center, Durham, North Carolina, USA.
Medical physics
|February 2, 2024
概括
研究人员使用深度学习开发了现实的冠状动脉斑块模型,用于虚拟成像试验. 这些模型可以对心脏成像技术进行定量评估和优化,为心血管疾病的传统临床试验提供更快,更具成本效益的替代方案.
科学领域:
- 生物医学成像学 生物医学成像学
- 计算建模计算建模
- 心血管疾病的研究研究.
背景情况:
- 心血管疾病 (CVD) 是全球主要的死亡原因,冠状动脉疾病 (CAD) 是主要的贡献者.
- 验证心脏成像技术的传统临床试验耗时,昂贵,需要大量的患者队伍.
- 虚拟成像试验 (VIT) 通过使用虚拟患者和准确的成像设备模型,提供了一个有前途的替代方案.
研究的目的:
- 为心脏成像VITs开发生理学信息,现实的冠状动脉斑块模型.
- 为模拟目的创建具有临床现实性的解剖学变量斑块模型.
主要方法:
- 一个深度卷积生成对抗网络 (DC-GAN) 在高分辨率组织学图像上受训,以生成斑块模型.
- 用有限元素分析 (FEA) 来评估在生理条件下生成的斑块模型的稳定性.
- 斑块模型与XCAT计算幻影集成,用于比较能量集成探测器 (EID) CT和光子计数探测器 (PCD) CT的模拟.
主要成果:
- DC-GAN成功生成了现实的和解剖学上多样化的冠状动脉斑块模型.
- 模拟结果表明,这些模型对于比较不同心脏成像设备的实用性.
结论:
- 生成的CAD病理可以纳入VIT的计算幻影.
- 这些模型为心脏成像技术的定量优化和评估提供了"已知的真相".
