从患者图像学习全心网格生成用于计算模拟
图像与视频处理
2023-11-09 v2 计算工程、金融与科学
计算机视觉与模式识别
医学物理
摘要
患者特异性心脏建模将源自医学图像的心脏几何结构与生物物理模拟相结合，以预测心脏功能的各个方面。然而，从患者图像数据生成适用于模拟的心脏模型通常需要复杂的流程和大量人力。我们提出了一种快速且自动化的深度学习方法，从医学图像构建适用于模拟的心脏模型。该方法通过学习使全心模板上的一小组形变控制点发生形变，从三维患者图像构建网格。对于三维CT和MR数据，该方法在全心重建中取得了有前景的精度，在构建适用于模拟的心脏网格方面持续优于先前方法。在时间序列CT数据上评估时，该方法比先前方法生成了更具解剖和时间一致性的几何结构，并能够生成更好地满足心脏血流模拟建模要求的几何结构。我们的源代码和预训练网络可在 https://github.com/fkong7/HeartDeformNets 获取。
引用
@article{arxiv.2203.10517,
title = {Learning Whole Heart Mesh Generation From Patient Images For Computational Simulations},
author = {Fanwei Kong and Shawn Shadden},
journal= {arXiv preprint arXiv:2203.10517},
year = {2023}
}