相关实验视频
Updated: Sep 17, 2025
09:55
Three-Dimensional Imaging of Aortic Tissues in Atherosclerosis
Published on: October 25, 2024
1.1K
一个自动图像分割和个性化壁压力估计腹腔大动脉动脉瘤的综合框架
Merjulah Roby1, Juan C Restrepo1, Deepak K Shan2
1Department of Mechanical, Aerospace, and Industrial Engineering, The University of Texas at San Antonio, San Antonio TX, 78249, USA.
Research square
|June 30, 2025
概括
使用深度学习的腹腔大动脉动脉瘤 (AAA) 的自动细分提高了效率. 这种方法准确地估计AAA壁应力,以便更好地进行临床决策.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 计算力学 计算力学 计算力学
背景情况:
- 腹腔大动脉动脉瘤 (AAA) 是一个日益严重的公共卫生问题,死亡率大幅上升.
- 计算机断层扫描血管图 (CTA) 对于AAA监测和手术规划至关重要,但手动细分是耗时的.
- 需要自动细分来从CTA图像中提取关键特征,以便明智地做出治疗决策.
研究的目的:
- 从CTA图像中开发和验证一个用于从CTA图像中自动细分腹腔大动脉外壁的框架.
- 使用细分图像来估计腹腔大动脉瘤 (AAA) 壁应力.
- 为了提高AAA计算分析的效率和准确性.
主要方法:
- 基于补丁的扩展修改的U-Net模型用于AAA外墙细分.
- 非线性弹性膜分析 (NEMA) 用于墙壁应力估计.
- 整合了非统一的理性B-Splines (NURBS),以改进细分的准确性.
主要成果:
- 深度学习模型实现了每17 ± 0.02毫秒的快速预测时间.
- 该框架成功地对AAA外墙进行了细分,并估计了墙壁应力.
- 综合方法为AAA条件提供了关键的生物力学见解.
结论:
- 拟议的框架为AAA的计算分析提供了一种强大,准确和高效的方法.
- 这种自动化方法融合了深度学习,NURBS和NEMA,改善了AAA评估.
- 该方法有助于理解AAA的生物力学状态,为临床实践提供信息.
