Feb, 2024

Image2Flow：一种用于快速患者特定肺动脉分割和从 3D 心脏 MRI 数据计算 CFD 流场的混合图像和图卷积神经网络

PDF
TL;DR本研究使用深度学习模型生成患者特异性体积网格和直接估计血流动力学数据，在简化博弈过程的同时，提供更高效的计算流体力学模拟和分割方法。
computational fluid dynamicsdeep learning modelvolume-meshsegmentationhemodynamics
发现论文，激发创造
  • Voxel2Hemodynamics：一种端到端的深度学习方法，用于预测冠状动脉血液动力学

    本文提出了一种基于深度学习的框架，利用计算机辅助技术快速准确地进行冠状动脉血液动力学分析， 通过迭代学习算法可以用 CCTA 图像预测冠状动脉的血液动力学分布，并与计算流体动力学分析结果相吻合，为冠状动脉疾病发展的机制揭示提供新思路。

    May, 2023

  • CT-3DFlow：利用三维标准流算法无监督检测病理性肺部 CT 扫描

    使用 3D NF 模型 CT-3DFlow 在胸部 CT 数据中进行患者级肺部病理检测，通过无监督训练健康的 3D 肺部 CT 补丁，检测其与对数似然分布的偏差作为异常，聚合患者 CT 扫描的补丁级别似然值以提供患者级别的正常 / 异常预测， 在一个单独的胸部 CT 测试数据集上通过专家注释评估了异常分布检测性能，优于其他最先进方法。

    Mar, 2024

  • 多视角混合图卷积网络用于心血管 MRI 中的体素到网格重建

    我们提出了 HybridVNet，它是一种将标准卷积神经网络与图卷积无缝集成的新颖架构，可以高效地处理表面和体积网格，并通过图结构对其进行编码。我们的模型结合了传统卷积网络、变分图生成模型、深度监督和网格特定正则化，从 CMR 图像中高效生成高保真度和适合模拟的网格。

    Nov, 2023

  • 用于自动参数化脑 PET 映射的带有体积校正的端到端深度学习管道

    该研究介绍了一种新方法，利用深度学习模型从颈动脉进行非侵入性计算，并应用 PV 校正，以消除对侵入性动脉采样的需求。该方法在脑扫描中得到应用，成功定位癫痫起始区，为临床疗效的取得做出了贡献，患者在治疗后达到了无癫痫发作的状态。

    Feb, 2024

  • CathFlow: 使用光流和 Transformer 对介入超声中导管进行自监督分割

    我们介绍了一种自我监督深度学习架构，用于在纵向超声图像中分割导管，并消除对标记数据的需求。该模型在合成超声数据和硅主动脉模型图像上进行验证，展示了其未来在临床数据中应用的潜力。

    Mar, 2024

  • LinFlo-Net: 心脏模拟准备网格生成的两阶段深度学习方法

    我们提出了一种深度学习模型，可以根据患者的影像数据自动生成人类心脏的计算机模型，特别强调其生成薄壁心脏结构的能力。

    Oct, 2023

  • 气道病变的三维整体深度学习方法与二维方法的 CT 评估

    该研究比较了卷积神经网络在 2D 和 3D 格式中对囊性纤维化病变的整体分割能力，并重点研究了 5 个主要囊性纤维化结构变化。通过对比 2D 和 3D 模型，发现 3D 模型在捕捉粘液栓和肺实变等复杂特征方面具有优势。通过实验引入了适用于细结构分割的损失函数并评估，显著提高了 2D 模型的准确性，但未超过 3D 模型的性能。模型经过外部评估计算肺功能测试，证实了研究结果的稳健性。此外，研究还包括了对模型的可解释性和可靠性的综合评估，为其临床应用提供了宝贵的见解。

    Mar, 2024

  • 基于模板的 MRI 皮层表面重建的神经变形场

    Vox2Cortex-Flow 是一种深度网格变形技术，通过学习从大脑模板到磁共振成像扫描的皮层表面的变形场，实现皮层表面的重建，并能与白质和脑膜表面共同建模。该方法在重建精度上达到了最先进水平，并提供了皮层厚度的分区和群体分析所需的一致对应关系。

    Jan, 2024

  • COPD-FlowNet：利用 CFD 模拟提升无创慢阻肺诊断

    COPDFlowNet 是一种新颖的深度学习框架，利用自定义生成对抗网络 (GAN) 生成特定于 COPD 患者气管的合成计算流体力学 (CFD) 速度流场图像，用于数据增强和模型训练，同时结合自定义的卷积神经网络 (CNN) 架构预测梗阻部位。

    Dec, 2023

  • 通过自由形变学习进行基于图像的计算模拟的全心网格生成

    通过深度学习重建心脏组织模型可以用于计算心脏病理生理学，从而指导诊断和个性化治疗，该模型可以高效地用于计算流体力学模拟。

    Jul, 2021