奇异值分解算法对消除颅内动脉瘤二维定量血管造影中注射变异性的影响
医学物理
2024-11-07 v1
摘要
由于手动注射的变异性，颅内动脉瘤（IA）的术中二维定量血管造影（QA）存在准确性挑战。尽管奇异值分解（SVD）算法在减少计算机断层扫描灌注（CTP）偏差方面取得了成功，但其在二维QA中的应用尚未得到广泛探索。本研究旨在通过研究基于SVD的反卷积方法在二维QA中的潜力，特别是解决注射持续时间变异性的问题，来弥合这一差距。研究包括三个颈内动脉瘤（ICA）病例。使用计算流体动力学（CFD）为三种生理相关的入口速度生成虚拟血管造影，以模拟造影剂注射持续时间。为入口和动脉瘤穹顶生成时间-密度曲线（TDC）。将各种SVD变体，包括带和不带经典Tikhonov正则化的标准SVD（sSVD）、块循环SVD（bSVD）和振荡指数SVD（oSVD），应用于虚拟血管造影。该方法应用于虚拟血管造影以恢复动脉瘤穹顶脉冲响应函数（IRF），并提取相关血流参数，如峰值高度PHIRF、曲线下面积AUCIRF和平均通过时间MTT。此外，我们发现SVD可以有效降低不同注射持续时间下的QA参数变异性，增强了QA分析参数在神经血管疾病诊断和治疗中的潜力。在QA分析中实施基于SVD的反卷积技术可以通过有效减少注射持续时间对血流动力学参数的影响，提高神经血管诊断的精度和可靠性。
引用
@article{arxiv.2411.03655,
title = {Effect of Singular Value Decomposition Algorithms on Removing Injection Variability in 2D Quantitative Angiography of Intracranial Aneurysms},
author = {Parmita Mondal and Swetadri Vasan Setlur Nagesh and Sam Sommers-Thaler and Allison Shields and Mohammad Mahdi Shiraz Bhurwani and Kyle A Williams and Ammad Baig and Kenneth Snyder and Adnan H Siddiqui and Elad Levy and Ciprian N Ionita},
journal= {arXiv preprint arXiv:2411.03655},
year = {2024}
}