基于图神经网络的脑血流预测
图像与视频处理
2024-11-28 v1 人工智能
计算工程、金融与科学
机器学习
摘要
准确预测脑血流对于诊断和治疗脑血管疾病至关重要。然而，传统计算方法往往产生巨大的计算成本，限制了其在实际临床应用中的实用性。本文提出一种图神经网络（GNN）用于预测未见过的脑血管网络结构的血流和压力，这些结构在训练数据中并未出现。我们使用来自患有狭窄症状的患者临床数据开发了 GNN，数据中包含复杂且异常的血管几何形状。此外，该 GNN 模型还在包括多样化入口条件、血管拓扑结构和网络连接性的训练数据中进行训练，以增强其泛化能力。该方法实现的 Pearson 相关系数分别为压力 0.727，流速 0.824，训练数据充足。这些发现表明，GNN 具有处理复杂和病理血管网络的潜力，适用于实时脑血管诊断。
引用
@article{arxiv.2411.17971,
title = {Graph Neural Network for Cerebral Blood Flow Prediction With Clinical Datasets},
author = {Seungyeon Kim and Wheesung Lee and Sung-Ho Ahn and Do-Eun Lee and Tae-Rin Lee},
journal= {arXiv preprint arXiv:2411.17971},
year = {2024}
}
备注
4 pages, 3 figures