接近实时的自适应性同otropic 和 anisotropic 图像到网状转换用于脑动脉瘤模拟

科学领域:

• 计算流体动力学 计算流体动力学
• 医学成像医学成像
• 科学计算是科学计算.

背景情况:

• 为数值建模分离复杂的血管几何是计算密集的.
• 医疗图像转换为网格的现有方法往往缺乏效率和实时性能.
• 适应性网状技术对于准确地表示复杂的生物结构至关重要.

研究的目的:

• 介绍用于网格适应方法的性能优化技术.
• 在数值建模中简化复杂的血管几何体的离散.
• 为了实现医疗图像到网格转换管道的近实时性能.

主要方法:

• 为cc-NUMA架构开发了一种平行自适应的异构型网格方法,利用层次负载平衡.
• 优化了本地重新连接操作,实现了三倍的速度增长.
• 将该方法集成到一条管道中,用于对细分医疗图像的图像到网格转换工具.
• 引入了一个用户定义的尺寸函数,用于自适应性同位素网格方法.

主要成果:

• 管道产生适应性异型网格,满足质量,保真性,光滑性和强度的要求.
• 优化的本地重新连接操作比以前的实施速度快三倍.
• 适应性同otropic 方法在不到一分钟的时间内产生高质量的网格 (高达5000万个元素).
• 适应性异构型方法在大约5分钟内产生类似数量的元素.

结论:

• 提出的优化技术显著提高了用于血管几何形状的网状适应性能.
• 开发的管道提供了近乎实时的医疗图像到网状转换与高质量的网状生成.
• 这些进步有助于更高效,更准确地对复杂的生物系统进行数值建模,例如脑动脉瘤.