論文の概要: Time-Varying Coronary Artery Deformation: A Dynamic Skinning Framework for Surgical Training

• arxiv url: http://arxiv.org/abs/2503.02218v1
• Date: Tue, 04 Mar 2025 02:51:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:13:50.276432
• Title: Time-Varying Coronary Artery Deformation: A Dynamic Skinning Framework for Surgical Training
• Title（参考訳）: 時変冠動脈変形 : 外科的トレーニングのための動的スキニングフレームワーク
• Authors: Shuo Wang, Tong Ren, Nan Cheng, Rong Wang, Li Zhang,
• Abstract要約: 本研究は, 骨格スキンウェイトを用いた冠状動脈の動的モデリングフレームワークを提案する。 外科シミュレーションのリアルタイム性能を維持しつつ, 血管の変形を正確に制御することを目的としている。
• 参考スコア（独自算出の注目度）: 33.92599418560439
• License:
• Abstract: Purpose: This study proposes a novel anatomically-driven dynamic modeling framework for coronary arteries using skeletal skinning weights computation, aiming to achieve precise control over vessel deformation while maintaining real-time performance for surgical simulation applications. Methods: We developed a computational framework based on biharmonic energy minimization for skinning weight calculation, incorporating volumetric discretization through tetrahedral mesh generation. The method implements temporal sampling and interpolation for continuous vessel deformation throughout the cardiac cycle, with mechanical constraints and volume conservation enforcement. The framework was validated using clinical datasets from 5 patients, comparing interpolated deformation results against ground truth data obtained from frame-by-frame segmentation across cardiac phases. Results: The proposed framework effectively handled interactive vessel manipulation. Geometric accuracy evaluation showed mean Hausdorff distance of 4.96 +- 1.78 mm and mean surface distance of 1.78 +- 0.75 mm between interpolated meshes and ground truth models. The Branch Completeness Ratio achieved 1.82 +- 0.46, while Branch Continuity Score maintained 0.84 +- 0.06 (scale 0-1) across all datasets. The system demonstrated capability in supporting real-time guidewire-vessel collision detection and contrast medium flow simulation throughout the complete coronary tree structure. Conclusion: Our skinning weight-based methodology enhances model interactivity and applicability while maintaining geometric accuracy. The framework provides a more flexible technical foundation for virtual surgical training systems, demonstrating promising potential for both clinical practice and medical education applications. The code is available at https://github.com/ipoirot/DynamicArtery.
• Abstract（参考訳）: 目的: 本研究は, 血管の変形を正確に制御し, リアルタイムのシミュレーション性能を維持しつつ, 血管の変形を正確に制御することを目的として, 骨格スキン重み計算を用いた冠状動脈の解剖学的動的モデリングフレームワークを提案する。 方法: 四面体メッシュ生成による体積の離散化を取り入れたスキンウェイト計算のためのバイハーモニックエネルギー最小化に基づく計算フレームワークを開発した。 本発明の方法は、機械的制約と体積保存の実施により、心臓循環中における連続的な血管変形の時間的サンプリングと補間を行う。 本フレームワークは, 5例の臨床データセットを用いて, 心相間でのフレーム・バイ・フレーム・セグメンテーションから得られた地中真実データと比較した。 結果: 本フレームワークは対話型血管操作を効果的に処理した。 幾何学的精度評価により、ハウスドルフの平均距離は4.96 +- 1.78 mm、平均表面距離は1.78 +- 0.75 mmであった。 Branch Completeness Ratioは1.82 +- 0.46に達し、Branch Continuity Scoreは0.84 +- 0.06(スケール0-1)を維持した。 本システムは,完全冠状樹構造全体にわたって実時間ガイドワイヤ-容器衝突検出とコントラスト中流シミュレーションを支援する能力を示した。 結論: 皮膚重量に基づく手法は, 幾何的精度を維持しつつ, モデルの相互作用性と適用性を向上する。 このフレームワークは、バーチャル外科訓練システムのためのより柔軟な技術基盤を提供し、臨床実習と医学教育の両方に有望な可能性を実証している。 コードはhttps://github.com/ipoirot/DynamicArtery.comで入手できる。

関連論文リスト

• Thermodynamics-informed graph neural networks for real-time simulation of digital human twins [2.6811507121199325]
  本稿では,軟組織シミュレーション研究の進展をめざした新しい手法を提案する。 提案手法は, グラフニューラルネットワークの幾何学的バイアスと, 垂直構造の配置から導かれる物理的バイアスを統合する。 そこで本研究では,ヒト肝臓のトラクションおよび圧縮負荷に対する応答を7.3ミリ秒以内で予測するモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-16T18:01:40Z)
• Image2Flow: A hybrid image and graph convolutional neural network for rapid patient-specific pulmonary artery segmentation and CFD flow field calculation from 3D cardiac MRI data [0.0]
  この研究では、パブリックデータセットとプライベートデータセットの両方から135個の3D心筋MRIを使用した。 Image2Flowは、ハイブリッド画像とグラフ畳み込みニューラルネットワークで、肺動脈テンプレートを患者固有の解剖学とCFD値に変換するために訓練された。
  論文  参考訳（メタデータ） (2024-02-28T11:01:14Z)
• Efficient Deformable Tissue Reconstruction via Orthogonal Neural Plane [58.871015937204255]
  変形性組織を再建するための高速直交平面(Fast Orthogonal Plane)を導入する。 我々は外科手術を4Dボリュームとして概念化し、それらをニューラルネットワークからなる静的および動的フィールドに分解する。 この分解により4次元空間が増加し、メモリ使用量が減少し、最適化が高速化される。
  論文  参考訳（メタデータ） (2023-12-23T13:27:50Z)
• Voxel2Hemodynamics: An End-to-end Deep Learning Method for Predicting Coronary Artery Hemodynamics [24.8579242043367]
  局所血行動態は冠動脈狭窄の機能的意義を決定する上で重要な役割を担っている。 CCTA画像から冠状動脈血行動態を予測できるエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-30T15:12:52Z)
• Machine Learning based Extraction of Boundary Conditions from Doppler Echo Images for Patient Specific Coarctation of the Aorta: Computational Fluid Dynamics Study [0.0]
  本研究では,ドップラー心エコー画像から境界条件(BC)を求める機械学習(ML)手法の応用について検討する。 提案手法は,MLとCFDを組み合わせて,関心領域内のヘモダイナミックフローをモデル化する。
  論文  参考訳（メタデータ） (2022-09-19T16:00:38Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Mesh convolutional neural networks for wall shear stress estimation in 3D artery models [7.7393800633675465]
  CFDと同じ有限要素表面メッシュ上で直接動作するメッシュ畳み込みニューラルネットワークを提案する。 このメッシュ上での3次元壁せん断応力ベクトルを正確に予測できることが,我々のフレキシブルディープラーニングモデルにより示されている。
  論文  参考訳（メタデータ） (2021-09-10T11:32:05Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Prediction of progressive lens performance from neural network simulations [62.997667081978825]
  本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。 提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
  論文  参考訳（メタデータ） (2021-03-19T14:51:02Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。