基于深度学习辅助压力-面积分析的动脉主动力学在体定量
医学物理
2026-01-21 v1 生物物理
摘要
由血管平滑肌收缩调控的动脉主动力学，对于生理调节、心血管疾病进展和临床诊断至关重要。尽管已开发出多种在体方法评估动脉僵硬度，但大多数无法区分平滑肌张力的贡献；因此，动脉活性的定量表征仍具挑战性。在本研究中，我们开发了一个压力-面积分析框架，整合了超声成像、血压测量、基于神经网络的动脉横截面积分割以及生物力学模型驱动的反演，以推断主动力学特性。共招募233名志愿者（年龄18-65岁），采集右颈总动脉的横截面超声视频用于训练神经网络。分割结果表明神经网络具有良好的空间和时间性能。我们进一步招募了10名额外志愿者（年龄25±3岁）进行1分钟台阶测试，随后在30分钟恢复期内进行压力-面积测量。使用所提出的方法，我们量化了运动后颈动脉主动力学相对于基线（即静息状态）的变化。结果显示，与基线相比，主动力学在约15分钟内保持升高（p < 0.05），而收缩压仅在运动后最初约5分钟内显著不同（p < 0.001）。这些结果表明血压与平滑肌恢复之间存在分离，这可能为生理应激期间血管平滑肌调节提供新的见解。
引用
@article{arxiv.2601.12631,
title = {In Vivo Quantification of Arterial Active Mechanics Using Deep Learning-Assisted Pressure-Area Analysis},
author = {Yuxuan Jiang and Yanping Cao},
journal= {arXiv preprint arXiv:2601.12631},
year = {2026}
}