外周肺动脉狭窄治疗规划的概率神经孪生方法
医学物理
2023-12-05 v1 人工智能
机器学习
数值分析
数值分析
统计计算
摘要
高保真数值血流动力学模型的计算成本巨大，迄今为止主要将其用于离线治疗规划。数据驱动架构和快速代理建模优化技术的新突破为克服这些限制提供了令人兴奋的机会，使得此类技术可用于时间关键型决策。我们讨论了一个应用场景：通过经导管肺动脉康复或手术治疗外周肺动脉疾病中的多处狭窄，其目标是在肺动脉树特定位置实现所需的压力和血流，同时最小化患者风险。由于治疗过程中实际可达到的成功程度不同，我们以概率形式表述该问题，并通过基于样本的方法求解。我们提出了一种新的离线-在线管道，用于概率实时治疗规划，该管道结合了边界条件的离线同化、模型降阶和训练数据集生成，以及边际概率的在线估计（可能以已修复病变中观察到的增强程度为条件）。此外，我们提出了一种新方法，通过零维近似函数的迭代校正，对任意形状的血管修复进行参数化。我们在血管模型库提供的肺动脉树疾病模型上演示了该管道。
引用
@article{arxiv.2312.00854,
title = {A Probabilistic Neural Twin for Treatment Planning in Peripheral Pulmonary Artery Stenosis},
author = {John D. Lee and Jakob Richter and Martin R. Pfaller and Jason M. Szafron and Karthik Menon and Andrea Zanoni and Michael R. Ma and Jeffrey A. Feinstein and Jacqueline Kreutzer and Alison L. Marsden and Daniele E. Schiavazzi},
journal= {arXiv preprint arXiv:2312.00854},
year = {2023}
}