使用基于点云的深度学习模型实时生成动脉血液动力学参数
Mingfang Li1, Kaiyang Zhao1, Jiawei Zhao2
1School of Mathematics and Physics, University of Science and Technology Beijing, Beijing, China.
Computer methods in biomechanics and biomedical engineering
|December 12, 2025
概括
这项研究引入了一个深度学习模型,用于实时动脉狭窄 (RAS) 血动力学预测. 该框架提供了显著的计算效率增长,同时保持了与传统方法相比的准确性.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 计算流体动力学的流体动力学.
- 人工智能在医学中的应用
背景情况:
- 动脉狭窄 (RAS) 是二次高血压的关键原因之一.
- 准确的血液动力学评估对于RAS有效的临床干预至关重要.
- 目前用于血液动力学评估的方法可能是计算密集的.
研究的目的:
- 开发一种深度学习框架,用于动脉中实时血液动力学预测.
- 将基于Mamba的状态空间建模 (SSM) 与等级点云处理集成.
- 为了实现计算效率的提高,同时保持预测准确度.
主要方法:
- 使用3D动脉模型,贝塞尔曲线重建和CFD模拟生成计算数据集.
- 实施一个深度学习模型,将PointNet++与Mamba的选择性机制结合起来.
- 使用层次的点云处理来提取特征和血液动力学度量预测.
主要成果:
- 拟议的框架使动脉的实时血液动力学预测成为可能.
- 与传统的CFD相比,计算效率提高了几个数量级.
- 保持了与已建立的CFD方法可比的预测准确性.
结论:
- 深度学习框架为RAS的实时血液动力学评估提供了一个计算效率高,准确的解决方案.
- 这种方法可以帮助及时对RAS引起的二次高血压进行临床干预.
- 整合Mamba-SSM和点云处理显示了复杂的生理学建模的前景.


