IMC-PINN-FE：基于图像运动一致性和生物力学参数估计的患者专用左心室有限元模型的物理信息神经网络
医学物理
2025-06-27 v1 人工智能
图像与视频处理
摘要
阐明心肌生物力学行为对于理解心脏生理至关重要，但无法直接从临床影像中推断出来，通常需要有限元(FE)仿真。然而，传统的FE方法计算昂贵，往往无法再现观察到的心脏运动。我们提出IMC-PINN-FE，一种将图像运动一致性(IMC)与FE建模集成的物理信息神经网络(PINN)框架，用于患者专用的左心室( LV)生物力学。首先，从MRI或超声心动图中估计心脏运动，可采用预训练的注意力网络或无监督循环正则化网络，随后提取运动模式。IMC-PINN-FE随后通过拟合临床压力测量，快速估算心肌刚性和主动张力，将计算时间从小时级缩短至秒级，较传统逆向FE方法实现75倍加速。基于这些参数，它在整个心脏周期内进行FE建模。通过运动约束，其更准确地匹配图像位移，平均Dice系数从0.849提升至0.927，同时保持真实的压力-容积行为。IMC-PINN-FE通过引入材料属性的反计算和更好的运动保真度，超越了前人的PINN-FE模型。使用单一受试者的运动数据重构形状模式，无需大规模数据集，提高了患者专门性。IMC-PINN-FE为快速、患者专用且图像一致的心脏生物力学建模提供了稳健且高效的方法。
引用
@article{arxiv.2506.20696,
title = {IMC-PINN-FE: A Physics-Informed Neural Network for Patient-Specific Left Ventricular Finite Element Modeling with Image Motion Consistency and Biomechanical Parameter Estimation},
author = {Siyu Mu and Wei Xuan Chan and Choon Hwai Yap},
journal= {arXiv preprint arXiv:2506.20696},
year = {2025}
}