探究扩散模型在数字孪生解剖编辑中的极限与能力

数值模拟可以建模控制心血管设备部署的物理过程。当此类模拟纳入数字孪生（即患者特异性解剖结构的计算模型）时，可以加速并降低设备设计过程的风险。尽管如此，仅使用患者特异性数据限制了可以精确或充分探索的解剖变异性。在本研究中，我们调查了潜在扩散模型（LDMs）编辑数字孪生以创建解剖变体（我们称之为数字同胞）的能力。数字孪生及其相应的同胞可以作为比较模拟的基础，从而能够研究细微的解剖变异如何影响心血管设备的模拟部署，以及增强用于设备评估的虚拟队列。然而，虽然扩散模型在编辑自然图像方面的能力已得到表征，但其解剖编辑数字孪生的能力尚未得到研究。使用以心脏解剖 3D 数字孪生为中心的案例，我们实施了多种生成数字同胞的方法，并通过形态学和拓扑学分析对其进行表征。我们专门编辑数字孪生以在不同空间尺度和局部区域引入解剖变异，证明了对常见解剖特征存在偏差。我们进一步表明，这种解剖偏差可以通过选择性编辑用于虚拟队列增强，部分缓解与数据集不平衡和缺乏多样性相关的问题。因此，我们的实验框架 delineates 了在合成解剖变异以进行 in silico 试验中使用潜在扩散模型的极限和能力。