利用视觉 Transformer 和合成细胞微结构数据集预测骨质退化

骨质退化，特别是对于微重力条件下的宇航员而言，对太空探索任务至关重要，因为较低的外部作用力会显著加速骨骼刚度和强度的下降。尽管现有的计算模型有助于我们理解这一现象，并可能在未来限制其影响，但它们非常耗时，无法详细模拟每个人骨骼（不仅仅是骨微结构）的变化。在本研究中，我们开发了一种稳健且快速的计算方法来预测和可视化骨质退化。我们的深度学习方法 TransVNet，能够接收不同的 3D 体素化图像，并利用混合的 3D-CNN-VisionTransformer 自编码器架构预测它们在数月内的演变。由于可用的实验数据有限且获取新样本存在挑战，我们生成了一个包含多样且初始的类骨微结构的数字孪生数据集，以通过先前开发的微重力退化模型来训练我们的 TransVNet 学习 3D 图像的演变。