单数值分解在2D定量血管学中消除注射变异性的影响:一个in silico和in vitro幻象研究

科学领域:

• 医疗成像医学成像
• 计算流体动力学的流体动力学.
• 神经血管诊断 神经血管诊断

背景情况:

• 针对内动脉瘤 (IAs) 的手术内二维定量血管造影 (QA) 由于可变的手注射而面临准确性挑战.
• 单值分解 (SVD) 算法已被证明是有效的减少偏差在计算机断层扫描输液 (CTP).
• 对于IA的二维QA中SVD的应用仍未得到充分研究,特别是在解决注射持续时间的变化方面.

研究的目的:

• 将基于SVD的解卷技术从CTP调整为IA的二维QA.
• 提高IA中血液动力学参数评估的一致性和准确性,使用QA的高时间分辨率.
• 开发一种可靠的方法来评估IA血液动力学,独立于注射变量,以改善神经血管诊断.

主要方法:

• 使用计算流体动力学 (CFD) 生成虚拟血管图,用于三个不同速度的内动脉动脉瘤 (ICA) 病例.
• 将各种SVD变体 (sSVD,bSVD,oSVD) 应用于虚拟和体外2D数字减去血管学 (DSA) 数据.
• 从解数据中恢复了脉冲响应函数 (IRF) 和提取了血液动力学参数 (峰值高度,曲线下的面积,平均传输时间).

主要成果:

• 在SVD算法变体中,流量和解卷调整后的QA参数之间有很强的相关性.
• 在不同的注射时间内,SVD有效地降低了QA参数的变化.
• 脱发的QA参数显示了神经血管疾病诊断和治疗的增强潜力.

结论:

• 基于SVD的解卷增强了神经血管诊断的精度和可靠性.
• 这种技术有效地减轻了注射时间变化对质量保证中的血液动力学参数的影响.
• 该研究支持实施SVD解卷,以改善IA评估.