論文の概要: Robust automated calcification meshing for biomechanical cardiac digital twins

• arxiv url: http://arxiv.org/abs/2403.04998v1
• Date: Fri, 8 Mar 2024 02:25:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-11 21:15:58.696001
• Title: Robust automated calcification meshing for biomechanical cardiac digital twins
• Title（参考訳）: 生体心臓デジタル双生児に対するロバスト自動石灰化メッシュ
• Authors: Daniel H. Pak, Minliang Liu, Theodore Kim, Caglar Ozturk, Raymond McKay, Ellen T. Roche, Rudolph Gleason, James S. Duncan
• Abstract要約: 本稿では、患者固有の石灰化を所定の心臓メッシュに堅牢に組み込むことができるエンドツーエンドの自動メッシュアルゴリズムを提案する。 このアルゴリズムは、手動メッシュの数時間から、自動計算の$sim$1分までの大幅なスピードアップを提供する。
• 参考スコア（独自算出の注目度）: 7.253614989403737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Calcification has significant influence over cardiovascular diseases and interventions. Detailed characterization of calcification is thus desired for predictive modeling, but calcified heart meshes for physics-driven simulations are still often reconstructed using manual operations. This poses a major bottleneck for large-scale adoption of computational simulations for research or clinical use. To address this, we propose an end-to-end automated meshing algorithm that enables robust incorporation of patient-specific calcification onto a given heart mesh. The algorithm provides a substantial speed-up from several hours of manual meshing to $\sim$1 minute of automated computation, and it solves an important problem that cannot be addressed with recent template registration-based heart meshing techniques. We validated our final calcified heart meshes with extensive simulations, demonstrating our ability to accurately model patient-specific aortic stenosis and Transcatheter Aortic Valve Replacement. Our method may serve as an important tool for accelerating the development and usage of physics-driven simulations for cardiac digital twins.
• Abstract（参考訳）: 石灰化は心血管疾患や介入に重大な影響を及ぼす。 石灰化の詳細なキャラクタリゼーションは予測モデリングに望まれるが、物理駆動シミュレーションのための石灰化心臓メッシュは手作業で再構築されることが多い。 これは、研究や臨床のために計算シミュレーションを大規模に採用する上で大きなボトルネックとなる。 そこで本研究では,患者固有の石灰化の堅牢な取り込みを可能にするエンドツーエンドの自動メッシュアルゴリズムを提案する。 このアルゴリズムは、手動メッシュの数時間から自動化計算の$\sim$1分までの大幅なスピードアップを提供し、最近のテンプレート登録ベースの心臓メッシュ技術では対処できない重要な問題を解決する。 最終石灰化心臓メッシュを広範囲なシミュレーションで検証し,患者固有の大動脈狭窄や大動脈弁置換術を正確にモデル化する能力を示した。 本手法は、心臓デジタル双生児の物理駆動シミュレーションの開発と利用を加速するための重要なツールとなるかもしれない。

関連論文リスト

• AI-powered multimodal modeling of personalized hemodynamics in aortic stenosis [3.9933028169938605]
  大動脈狭窄は先進国で最も一般的な弁膜心疾患である。 高忠実度前臨床モデルは、治療革新、早期診断、調整された治療計画を可能にして、AS管理を改善することができる。 本稿では,AS血行動態の加速・民主化のためのAIを用いた計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-29T21:49:45Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Real-time whole-heart electromechanical simulations using Latent Neural Ordinary Differential Equations [2.208529796170897]
  心不全患者の時間的圧力-体積動態を学習するために,潜時ニューラル正規微分方程式を用いた。 LNODEsに基づくサロゲートモデルは4003D-0D全閉ループ電気機械シミュレーションから訓練される。 本報告では, 文献で利用可能な最も高度な心臓機能代理モデルについて紹介する。
  論文  参考訳（メタデータ） (2023-06-08T16:13:29Z)
• Deep Computational Model for the Inference of Ventricular Activation Properties [10.886815576856574]
  患者固有の心臓計算モデルは、精密医療の効率的な実現と、デジタル双生児を用いた in-silico 臨床試験に不可欠である。 深層学習に基づく患者固有の計算モデルを提案し,心室活性化特性の推測のために解剖学的および電気生理学的情報を融合することができる。 我々はEikonalモデルを用いて、特定の患者情報も考慮されている推論モデルをトレーニングするために、地上の真理特性を持つ模擬心電図を生成する。
  論文  参考訳（メタデータ） (2022-08-08T10:23:43Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Machine Learning-based Efficient Ventricular Tachycardia Detection Model of ECG Signal [0.0]
  心不全の一次診断と解析において、心電図信号は重要な役割を果たす。 本稿では,ノイズフィルタを用いた心室頻拍不整脈の予測モデル,心電図の特徴セット,機械学習に基づく分類モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-24T05:56:09Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。