通过将计算流体动力学与强化学习相结合,为堵塞的鼻子进行自动化手术规划
Mario Rüttgers1, Moritz Waldmann2, Klaus Vogt3
1Jülich Supercomputing Centre, Forschungszentrum Jülich GmbH, Wilhelm-Johnen-Straße, 52425 Jülich, Germany; Institute of Aerodynamics and Chair of Fluid Mechanics, RWTH Aachen University, Wüllnerstraße 5a, 52062 Aachen, Germany; Jülich Aachen Research Alliance, Center for Simulation and Data Science, 52074 Aachen, Germany.
Computers in biology and medicine
|March 31, 2024
概括
这项研究引入了一种结合人工智能和流体动力学的新方法,用于鼻腔手术规划. 它优化了更好的空气流和热交换的干预措施,可能改善手术结果.
科学领域:
- 鼻科和生物医学工程
- 计算流体动力学的流体动力学.
- 人工智能在医学中的应用
背景情况:
- 血管整形和管切除术的成功率是有争议的,缺乏用于手术规划的定量数据.
- 目前的鼻腔手术规划方法需要改进,以获得更好的患者结果.
- 基于物理的规划是理想的,以优化抗阻塞性鼻腔手术.
研究的目的:
- 开发和验证一种新的,准确的方法,以使用基于物理的模拟来增强鼻腔手术规划.
- 整合强化学习与计算流体动力学,用于自动化,定量化外科手术规划.
- 根据空气流和热传递标准来评估手术干预计划.
主要方法:
- 开发了一个使用计算机断层扫描 (CT) 成像的自动化管道.
- 结合了强化学习算法与大规模计算流体动力学 (CFD) 模拟.
- 基于压力损失 (气流) 和温度增加 (热传递) 的定量评估的手术计划.
主要成果:
- 该方法确定了偏离隔膜和骨的最佳干预地点.
- 算法建议因优先考虑空气流与热传输而有所不同.
- 对于扩大的轮机,该算法根据加权的标准提出了不同程度的轮机减少.
结论:
- 拟议的基于物理的AI方法为鼻腔手术规划提供了一种定量方法.
- 这种方法有潜力提高分管切除术和管切除术的成功率.
- 该方法可以扩展到优化其他生物医学流应用.
