用于腹主动脉瘤表面局部生长预测的几何深度学习
计算机视觉与模式识别
2025-06-12 v2 人工智能
摘要
腹主动脉瘤（AAA）是腹主动脉的进展性局部扩张。AAA可能破裂，存活率仅为20%。当前临床指南建议当男性AAA最大直径超过55 mm或女性超过50 mm时进行择期手术修复。不符合这些标准的患者会定期监测，监测间隔基于最大AAA直径。然而，该直径未考虑3D AAA形状与生长之间的复杂关系，使得标准化间隔可能不适用。个性化的AAA生长预测可以改善监测策略。我们提出使用SE(3)-对称变换器模型，在富含局部多物理特征的血管模型表面上直接预测AAA生长。与其他对AAA形状进行参数化的工作不同，这种表示保留了血管表面的解剖结构和几何保真度。我们使用113例计算机断层扫描血管造影（CTA）的纵向数据集对24名AAA患者进行训练，采样间隔不规则。训练后，我们的模型预测AAA生长至下一次扫描时刻的中位直径误差为1.18 mm。我们进一步展示了模型在识别患者是否在两年内有资格进行择期修复方面的效用（准确率 = 0.93）。最后，我们在由来自不同医院的7名AAA患者的25例CTA组成的外部验证集上评估了模型的泛化能力。我们的结果表明，从血管表面进行局部定向AAA生长预测是可行的，并可能有助于个性化监测策略。
引用
@article{arxiv.2506.08729,
title = {Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces},
author = {Dieuwertje Alblas and Patryk Rygiel and Julian Suk and Kaj O. Kappe and Marieke Hofman and Christoph Brune and Kak Khee Yeung and Jelmer M. Wolterink},
journal= {arXiv preprint arXiv:2506.08729},
year = {2025}
}