机构名称：
¥ 1.0
引言患者特定的心脏建模结合了源自医学图像和生物物理模拟的心脏的几何形状，以模拟心脏功能的各个方面。它可以非侵入性地提供有用的生理信息，以促进对个别患者的心脏疾病的理解，诊断和治疗计划[1]。但是，从患者图像数据中生成拟合心脏的模拟网格通常需要复杂的程序和大量的人类努力，从而限制了临床翻译。因此，我们有动力开发快速自动化的方法，从医学图像中构建心脏的模拟网格。深度学习方法可以从现有数据训练神经网络，以自动处理医疗图像并产生全心重建。虽然大多数先前的深度学习方法都集中在图像分割上，但我们最近的方法直接从患者图像数据中直接重建表面网格[2-3]。通过变形表面网格模板，我们以前的方法消除了中间分割步骤，该步骤有时会引入含有拓扑异常的外部区域，这些区域是无形的，无法用于基于模拟的分析[2]。我们还将自由形式变形（FFD）与深度学习结合在一起，以预测控制点网格的位移，以变形包含模拟的整个心脏模板的空间，从而可以直接重建来自图像数据的模拟现象[3]。但是，由于FFD对复杂形状变形的能力有限，因此我们先前的方法需要一个密集的控制点网格，包括成千上万的控制点，以实现可接受的整个心脏重建精度[3]。在这里，我们提出了一种新的深度学习方法，该方法利用Biharmonic坐标来变形整个心脏模板，以更高的精度和更少的控制点拟合目标图像数据。我们还引入了一些有效的学习偏见作为目标功能，以产生能够更好地满足心脏流量计算模拟的建模要求的网格。
从...
主要关键词
相关文件推荐
