图像分割对小鼠肺动脉一维流体动力学预测的影响
定量方法
2021-01-18 v2 流体动力学
医学物理
摘要
计算流体动力学（CFD）模型正作为辅助心血管疾病诊断评估的工具而出现。图像分割的最新进展使得心血管系统的特定受试者建模成为一项可行的任务，这在肺动脉高压（PH）的情况下尤为重要，因为其诊断需要侵入性与非侵入性程序的结合。图像分割中的不确定性很容易传播到 CFD 模型预测中，使得不确定性量化对特定受试者模型至关重要。本研究通过将网络几何与连接关系的不确定性传播到血压和血流预测，量化了一维（1D）CFD 预测的可变性。我们使用不同的预分割参数分析了一张离体小鼠肺图像的多重分割结果。一种自定义算法提取每个分割后的肺网络的血管长度、血管半径和网络连接关系。我们通过构建血管半径和长度的概率密度来量化几何特征中的不确定性，然后从这些分布中采样，并使用一维 CFD 模型传播血流动力学预测的不确定性。结果表明，网络连接关系的变化比血管半径和长度对血流动力学不确定性的贡献更大。
引用
@article{arxiv.1901.04116,
title = {Influence of image segmentation on one-dimensional fluid dynamics predictions in the mouse pulmonary arteries},
author = {Mitchel J. Colebank and L. Mihaela Paun and M. Umar Qureshi and Naomi Chesler and Dirk Husmeier and Mette S. Olufsen and Laura Ellwein Fix},
journal= {arXiv preprint arXiv:1901.04116},
year = {2021}
}