用于评估肺动脉分割综合性能的面内肺部假脑
生物物理
2025-07-03 v1
摘要
肺动脉性病可导致显著的血管重塑，导致肺血流发生改变。为了优化和个性化临床干预策略，估计每种重塑事件的患者特异性贡献是必要的。面内建模已成为模拟肺血流动力学的强大工具，而为实现稳健的面内建模，准确表示肺部血管结构是首要要求。CT成像可用于分割和重建近端血管。然而，需使用含对比剂的成像（如CT肺动脉造影）才能获得肺部血管的全面且高保真度视图。由于注射对比剂的并发症，临床上受限于CT肺动脉造影。机器学习 (ML) 方法已成为在无需含对比剂成像的情况下有效分割和重建肺部血管的手段。我们 developed了一种用于创建可变模拟肺动脉造影假脑的方法。结果表明，添加模拟对比剂可实现肺部血管的成功分割。我们预计该方法将助于开发和训练基于ML的分割框架并辅助其验证，从而提高无需含对比剂成像即可分割和重建肺部血管的能力。
引用
@article{arxiv.2507.01867,
title = {An in-silico lung phantom to assess the performance of pulmonary artery segmentation using angiogram},
author = {Sunder Neelakantan and Tanmay Mukherjee and Emilio A. Mendiola and Kyle Myers and Reza Avazmohammadi},
journal= {arXiv preprint arXiv:2507.01867},
year = {2025}
}
备注
4 pages, 4 figures, and accepted to be published as proceedings at IEEE EMBC 2025