基于3D CT图像的主动脉瓦形变网络自动化有限元网格生成
图像与视频处理
2025-11-07 v1 计算机视觉与模式识别
机器学习
摘要
从3D CT图像对主动脉瓦进行准确的几何建模对于生物力学分析和患者个体化模拟至关重要，这有助于评估瓣膜健康状况或制定术前计划。然而，要生成兼具高质量和一致性的主动脉瓦网格仍然具有挑战性。传统方法常产生不规则拓扑的三角网格，导致网格单元形状不佳且在不同患者之间对应性不一致。本文通过引入基于深度神经网络的模板匹配管线，从3D CT图像生成结构化四边形（quadrilateral）网格，以代表主动脉瓦几何形状。通过对所有患者的主动脉瓦使用统一的四边形网格模板进行重网格化，可确保跨患者间网格拓扑一致，节点间和单元间对应性统一。这一一致性使我们能够简化深度神经网络的学习目标，仅采用几何重建项和光滑正则化项两项损失函数，即可保持网格光滑性和单元质量。我们的实验表明，所提出的方法能够生成高质量的主动脉瓦表面网格，显著改善光滑性和形状质量，同时所需的显式正则化项较传统方法更少。这些结果表明，采用结构化四边形网格作为模板和神经网络训练可确保网格对应性和质量，同时简化训练过程，从而提升主动脉瓦建模的有效性和效率。
引用
@article{arxiv.2511.03890,
title = {Shape Deformation Networks for Automated Aortic Valve Finite Element Meshing from 3D CT Images},
author = {Linchen Qian and Jiasong Chen and Ruonan Gong and Wei Sun and Minliang Liu and Liang Liang},
journal= {arXiv preprint arXiv:2511.03890},
year = {2025}
}