用于在体试验的生成3D心脏形状建模

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 准确建模患者特异性解剖学对于医学研究和虚拟试验至关重要.
• 生成多样化和现实的解剖形状是一个重要的计算挑战.

研究的目的:

• 提出一种新的深度学习方法,用于建模和生成合成大动脉形状.
• 用神经标记距离场来表示复杂的大动脉几何形状.
• 为了使患者特定的解剖模型用于in-silico研究的创建.

主要方法:

• 一种深度学习方法,将形状表示为神经符号距离场的零级集合.
• 用可训练嵌入向量对模型进行调节,这些向量编码几何特征.
• 从CT图像中获得的大动脉根网上训练网络.
• 在训练过程中强制约束神经场及其空间梯度.

主要成果:

• 拟议的模型展示了大动脉形状的高保真性表示.
• 生成的合成形状与真正的患者解剖学非常相似.
• 该方法允许通过采样嵌入矢量生成新的大动脉几何形状.

结论:

• 深度学习方法有效地建模并生成合成大动脉形状.
• 产生的形状适用于诸如in-silico试验等应用.
• 这项工作提升了医学数据驱动解剖建模的潜力.