面向动脱庵破裂的血流动力学升频的局部化傅里叶神经算子
计算机视觉与模式识别
2025-07-21 v1 人工智能
计算物理
摘要
动脱庵破裂的预测和治疗指导需要血流动力学分析。虽然磁共振流动成像能够实现时间分辨的体积血液速度测量，但其低的时空分辨率和信噪比限制了其诊断效用。为此，我们提出了局部化傅里叶神经算子（Localized Fourier Neural Operator, LoFNO），一种新型3D架构，能够增强空间和时间分辨率，能够直接从临床影像数据预测壁面剪切应力（Wall Shear Stress, WSS）。LoFNO将拉普拉斯特征向量作为几何先验，提高了对不规则、未知几何形状的结构感知能力，并采用增强型深度超分辨网络（Enhanced Deep Super-Resolution Network, EDSR）层实现稳健的升频。通过将几何先验与神经算子框架相结合，LoFNO对流数据进行去噪和时空升频，实现了优于插值和其他深度学习方法的更优速度和WSS预测，实现了更精确的脑血管诊断。
引用
@article{arxiv.2507.13789,
title = {Localized FNO for Spatiotemporal Hemodynamic Upsampling in Aneurysm MRI},
author = {Kyriakos Flouris and Moritz Halter and Yolanne Y. R. Lee and Samuel Castonguay and Luuk Jacobs and Pietro Dirix and Jonathan Nestmann and Sebastian Kozerke and Ender Konukoglu},
journal= {arXiv preprint arXiv:2507.13789},
year = {2025}
}