从医学图像中提取的网络中的不确定性考虑的单维血管模型生成的计算框架
Michelle A Bartololo1, Alyssa M Taylor-LaPole1, Darsh Gandhi1,2
1Department of Mathematics, North Carolina State University, Raleigh, North Carolina, USA.
ArXiv
|February 5, 2024
概括
这项研究引入了一种新方法,可以从医学图像中创建更准确的单维 (1D) 心血管模型. 准确的血管尺寸对于可靠的患者特异性血液动力学预测至关重要.
科学领域:
- 心血管生理学心血管生理学
- 医学成像分析分析 医学成像分析
- 计算流体动力学的流体动力学.
背景情况:
- 一维 (1D) 心血管模型可以无创地预测血动力学,如波反射和剪切应力.
- 患者特定模型使用来自医学图像衍生网络的1D流体动力学方程.
- 图像衍生性质引入不确定性,影响血液动力学预测的准确性.
研究的目的:
- 开发一个框架,用于从医学图像中产生标记的血管树,以不确定性量化.
- 评估图像衍生性质不确定性对1D血液动力学预测的影响.
- 为了提高患者特异性心血管模型的准确性.
主要方法:
- 统计变化点分析以生成标记树,编码船只尺寸和不确定性.
- 该框架应用于全身和肺动脉网络.
- 模拟探索由于血管尺寸和细分变化的血液动力学变化.
主要成果:
- 开发的框架成功地生成了带有编码不确定性的血管树.
- 模拟显示,血管半径和长度不确定性对血液动力学预测有重大影响.
- 对多重细分的分析强调了准确的数据提取的重要性.
结论:
- 对血管半径和长度的准确定义对于高准确度的患者特异性血液动力学模型至关重要.
- 拟议的框架解决了图像衍生的血管性质的不确定性.
- 这项工作提高了临床应用的1D心血管建模的可靠性.
