腹主动脉瘤中的壁面剪切应力估计：迈向可泛化的神经替代模型
计算机视觉与模式识别
2025-07-31 v1
摘要
腹主动脉瘤是腹主动脉的病理性扩张，一旦破裂具有很高的致死风险。研究 AAA 的进展和破裂风险通常涉及使用计算流体动力学的计算机模拟血流建模，以及提取血流动力学因子，如时间平均壁面剪切应力或振荡剪切指数。然而，众所周知 CFD 模拟计算量很大。因此，近年来，直接在 3D 形状上操作的几何深度学习方法已被提出作为引人注目的替代模型，能够在几秒钟内估计血流动力学参数。在这项工作中，我们提出了一种几何深度学习方法，用于估计 AAA 患者的血流动力学，并研究其对现实世界常见变异因素的泛化能力。我们提出了一种利用新颖鲁棒几何描述符和射影几何代数的 E(3)-等变深度学习模型。我们的模型被训练用于使用 100 名 AAA 患者的 CT 扫描数据集来估计瞬态 WSS，从中提取管腔几何形状并获得具有不同边界条件的参考 CFD 模拟。结果表明，该模型在分布内以及外部测试集上都能很好地泛化。此外，该模型可以准确地估计跨几何重构和边界条件变化的血流动力学。此外，我们发现训练好的模型可以应用于不同的动脉树拓扑结构，其中在推理过程中添加了新的、未见过的分支。最后，我们发现该模型在很大程度上与网格分辨率无关。这些结果显示了所提出模型的准确性和泛化能力，并突显了其在临床实践中对血流动力学参数估计做出贡献的潜力。
引用
@article{arxiv.2507.22817,
title = {Wall Shear Stress Estimation in Abdominal Aortic Aneurysms: Towards Generalisable Neural Surrogate Models},
author = {Patryk Rygiel and Julian Suk and Christoph Brune and Kak Khee Yeung and Jelmer M. Wolterink},
journal= {arXiv preprint arXiv:2507.22817},
year = {2025}
}