Apr, 2024
使用深度学习估计冠状动脉中的 FFR
Estimation of FFR in coronary arteries with deep learning
Patryk Rygiel
TL;DR冠状动脉疾病是欧盟和美国最常见的死因之一，其中关键的生物标志物是分数流量减少 (FFR)，通过侵入性诊断技术冠状动脉造影获得其体内测量。为了解决侵入性的缺点，近年来出现了一种名为虚拟 FFR (vFFR) 测量的新方法。本文中，我们探讨了使用深度学习技术作为替代 CFD 引擎模型在冠状动脉 vFFR 估计中的任务中，以极大地减少所需时间和计算成本而不会显著降低质量的方法。我们提出了一种新颖的 vFFR 估计方法，通过将输入血管几何表示为点云，并利用学习几何表示的混合神经网络，基于明确和隐式给定的特征。我们从临床角度评估了该方法，并展示它可以作为常用的基于 CFD 的方法的有力替代。