用人工智能驱动的自动化模型构建用于患者特定的CFD模拟大动脉流

科学领域:

• 计算流体动力学
• 医学图像分析
• 心血管工程
• 医学的人工智能

背景情况:

• 基于图像的建模对于理解心血管血液动力学至关重要.
• 目前创建患者特异性血管模型的方法效率低下,容易出现错误,限制了临床使用.
• 需要自动化血管模型生成以改善心血管疾病的诊断和治疗.

研究的目的:

• 从医疗图像中开发和评估用于自动化模拟血管模型的深度学习框架.
• 提高患者特有的血管模型的准确性,效率和解剖学一致性.
• 减少临床和研究环境中血管建模所需的手工劳动和时间.

主要方法:

• 一个深度学习框架,集成基于voxel的容器划分模块.
• 一个无监督的表面变形模块,由医学图像数据指导的解剖学上一致的表面细化.
• 对公共数据集进行评估,以评估细分性能,几何精度和计算效率.

主要成果:

• 在船舶细分方面取得了最先进的表现.
• 与现有方法相比,显著减少手工劳动和处理时间.
• 产生了解剖学准确和视觉现实的血管模型,捕捉复杂的分支模式.

结论:

• 深度学习框架成功地自动化了医学图像的高准确性血管模型.
• 这种方法提高了基于图像的心血管应用计算建模的可扩展性和可靠性.
• 这种自动化方法有助于在心血管疾病中更广泛的临床和研究应用.