肺力学多层次数字双胞胎模型:对3DCT肺体积和2D胸部运动的相关性分析
Cong Zhou1, J Geoffrey Chase1, Yuhong Chen2
1Department of Mechanical Engineering & Centre for Bioengineering, University of Canterbury, New Zealand.
Biomedical physics & engineering express
|November 6, 2024
概括
这项研究开发了一种新的方法,使用人工智能将2D胸部运动映射到3D肺体积,改进了机械通风的数字双胞胎模型. 这种非侵入性方法可以准确预测肺部体积和容量,有助于患者的管理和诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 机械通风的数字双胞胎模型需要精确的区域肺体积估计.
- 目前的方法缺乏精确的区域化,限制了肺损伤局部化临床应用.
研究的目的:
- 为了研究2D胸部表面运动和3D区域肺体积之间的关系.
- 开发一种非侵入性方法来区域化肺机械数字双胞胎.
主要方法:
- 用U-Net架构的卷积神经网络 (CNN) 用于肺部细分.
- 建议使用自动化值方法来增强图像形态分析.
- 该模型在CT数据集上进行了训练,并使用强迫生命能力 (FVC) 测量进行了验证.
主要成果:
- 自动化值方法提高了肺部细分精度,达到95%以上.
- 在2D体积投影和FVC之间发现了强烈的相关性 (R平方=0.73).
- 该模型展示了非接触式2D测量对3D肺体积估计的潜力.
结论:
- 开发的方法可以使用非侵入性的2D数据准确地区域化肺机械模型.
- 这种方法可以显著改善机械通风的管理和肺功能障碍的诊断.
- 这些发现支持使用2D测量来创建临床相关的3D肺数字双胞胎.
