一种非侵入性方法,用于确定膜组织的弹性参数,使用物理信息的神经网络
Wensi Wu1, Mitchell Daneker2, Christian Herz3
1Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania, Philadelphia, PA, USA; Cardiovascular Institute, Children's Hospital of Philadelphia, Philadelphia, PA, USA.
Acta biomaterialia
|May 28, 2025
概括
这项研究引入了一种新的非侵入性方法,使用基于物理学的神经网络来确定心脏膜的患者特异性弹性参数. 这种方法显著提高了虚拟干预计算机模拟的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 心脏门的精确的体内机械参数对于虚拟干预的预测计算机模拟至关重要.
- 目前用于确定这些参数的非侵入性方法有限,阻碍了临床应用.
- 基于物理学的神经网络为估计复杂的生物机械性质提供了一个有希望的途径.
研究的目的:
- 开发和验证一种新的非侵入性方法,用于确定心脏膜组织的患者特异性弹性参数.
- 应用这种方法来估计儿童三管的机械性质.
- 提高计算机模拟的准确性,以预测门维修结果.
主要方法:
- 利用3D回声心脏图的时间序列,通过图像记录来追踪三管位移.
- 采用物理信息的神经网络来估计从第一原理和参考位移的非线性机械性质.
- 通过将模拟结果与参考图像分割进行比较来验证该方法.
主要成果:
- 基于物理学的神经网络方法成功估计了三巴的患者特定弹性参数.
- 使用患者特定参数的模拟实现了与参考细分相比的平均对称距离小于1mm.
- 与使用通用文献参数的模型相比,模拟模型的准确性翻了一番.
结论:
- 提出的非侵入性方法有效地确定患者特有的门机械性质.
- 这一进步具有显著的潜力,可以提高门维修虚拟干预的准确性和临床适用性.
- 准确的患者特定建模可以导致更个性化和更有效的外科手术规划.
