在腹腔大动脉瘤表面进行局部生长预测的几何深度学习
Dieuwertje Alblas1, Patryk Rygiel1, Julian Suk1
1Department of Applied Mathematics, Technical Medical Centre, University of Twente, Drienerlolaan 5, Enschede, 7522 NB, The Netherlands.
Artificial intelligence in medicine
|December 2, 2025
概括
这项研究引入了一种新的AI模型,使用3D血管模型预测腹腔大动脉动脉瘤 (AAA) 的增长. 该模型提供个性化监测,改善患者监测和预测修复资格.
科学领域:
- 生物医学工程 生物医学工程
- 医学中的人工智能
- 心血管成像分析分析
背景情况:
- 腹腔大动脉动脉瘤 (AAA) 是大动脉的危及生命的扩张.
- 目前的AAA监测依赖于最大直径,这可能无法准确预测增长.
- 需要个性化的增长预测来优化监控策略.
研究的目的:
- 开发和验证一个SE(3) 对称的变压器模型来预测AAA增长.
- 评估模型能够个性化AAA监视和预测外科修复资格的能力.
主要方法:
- 利用了来自24名AAA患者的113个计算机断层扫描血管造影 (CTA) 扫描的纵向数据集.
- 采用了SE(3) 对称变压器模型,直接在血管表面运行,具有局部,多物理特征.
- 在7名AAA患者的25个CTA外部数据集上验证了模型.
主要成果:
- 该模型在预测AAA增长到下一次扫描时实现了1.18毫米的中间直径误差.
- 在两年内确定有资格接受选择性修复的患者时,证明了高精度 (0.93).
- 证实了从血管表面进行局部定向AAA增长预测的可行性.
结论:
- 由人工智能驱动的,基于表面的AAA增长预测是可行的和准确的.
- 这种方法可以增强针对AAA患者的个性化监测策略.
- 该模型显示了改善AAA管理中的临床决策的潜力.
