基于机器学习的时间速度-信息学 (TVI) 变量的预测,以加速描述内动脉瘤破裂状态
Mostafa Rezaeitaleshmahalleh1,2, Zonghan Lyu1,2, Nan Mu1,2,3
1Department of Biomedical Engineering, Michigan Technological University, 1400 Townsend Drive, Houghton, 49931, MI, USA.
Journal of cardiovascular translational research
|August 15, 2025
概括
机器学习从内动脉瘤 (IA) 几何学预测时间速度信息学 (TVI) 参数,改善断裂状态预测. 这种方法为复杂的计算流体动力学模拟提供了可行的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 计算流体动力学的流体动力学.
背景情况:
- 时间速度信息学 (TVI) 使用时间解析的3D速度场量化血管动脉瘤中的流动干扰.
- 对TVI的计算流体动力学 (CFD) 模拟是计算密集的,限制了对内动脉瘤 (IA) 的临床应用.
研究的目的:
- 评估使用机器学习 (ML) 和IA几何数据来预测TVI参数的可行性.
- 评估ML预测的TVI参数在确定IA破裂状态中的有效性.
主要方法:
- 开发了ML回归模型,从IA几何信息中预测TVI参数.
- 在112个已知破裂状态的IA数据集上评估了ML衍生的TVI参数的预测性能.
主要成果:
- ML预测的TVI参数在预测IA破裂状态时实现了0.88的AUC和81.6%的总准确性.
- 在ML预测的TVI变量和CFD衍生TVI指标之间的一致性超过了预测基于墙壁剪切应力指标的TVI指标.
结论:
- 从IA几何学中基于ML的TVI参数的预测对于破裂状态评估是可行的和有效的.
- 这种ML方法在临床环境中为TVI分析提供了一个计算效率高的CFD替代方案.


