論文の概要: Aneumo: A Large-Scale Multimodal Aneurysm Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks

• arxiv url: http://arxiv.org/abs/2505.14717v1
• Date: Mon, 19 May 2025 09:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.647118
• Title: Aneumo: A Large-Scale Multimodal Aneurysm Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks
• Title（参考訳）: Aneumo: 計算流体力学シミュレーションとディープラーニングベンチマークを用いた大規模マルチモーダル大動脈瘤データセット
• Authors: Xigui Li, Yuanye Zhou, Feiyang Xiao, Xin Guo, Chen Jiang, Tan Pan, Xingmeng Zhang, Cenyu Liu, Zeyun Miao, Jianchao Ge, Xiansheng Wang, Qimeng Wang, Yichi Zhang, Wenbo Zhang, Fengping Zhu, Limei Han, Yuan Qi, Chensen Lin, Yuan Cheng,
• Abstract要約: 脳動脈瘤 (IAs) は総人口の約5%にみられた重症脳血管障害である。 彼らの破裂は高い死亡率につながるかもしれない。 IAリスクの評価法は, 形態学的, 患者固有の因子に焦点が当てられているが, 血液動態がIAの発生と破裂に与える影響は明らかになっていない。 このデータセットは、大動脈瘤の研究を進め、バイオ流体、バイオメディカルエンジニアリング、臨床リスクアセスメントにおけるデータ駆動アプローチを促進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）: 16.753219355754222
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Intracranial aneurysms (IAs) are serious cerebrovascular lesions found in approximately 5\% of the general population. Their rupture may lead to high mortality. Current methods for assessing IA risk focus on morphological and patient-specific factors, but the hemodynamic influences on IA development and rupture remain unclear. While accurate for hemodynamic studies, conventional computational fluid dynamics (CFD) methods are computationally intensive, hindering their deployment in large-scale or real-time clinical applications. To address this challenge, we curated a large-scale, high-fidelity aneurysm CFD dataset to facilitate the development of efficient machine learning algorithms for such applications. Based on 427 real aneurysm geometries, we synthesized 10,660 3D shapes via controlled deformation to simulate aneurysm evolution. The authenticity of these synthetic shapes was confirmed by neurosurgeons. CFD computations were performed on each shape under eight steady-state mass flow conditions, generating a total of 85,280 blood flow dynamics data covering key parameters. Furthermore, the dataset includes segmentation masks, which can support tasks that use images, point clouds or other multimodal data as input. Additionally, we introduced a benchmark for estimating flow parameters to assess current modeling methods. This dataset aims to advance aneurysm research and promote data-driven approaches in biofluids, biomedical engineering, and clinical risk assessment. The code and dataset are available at: https://github.com/Xigui-Li/Aneumo.
• Abstract（参考訳）: 頭蓋内動脈瘤 (IAs) は総人口の約5倍の脳血管障害である。 その破裂は高い死亡率につながるかもしれない。 IAリスクの評価法は, 形態学的, 患者固有の因子に焦点が当てられているが, 血液動態がIAの発生と破裂に与える影響は明らかになっていない。 血行動態の研究には正確だが、従来の計算流体力学(CFD)法は計算集約的であり、大規模またはリアルタイムの臨床応用にその展開を妨げている。 この課題に対処するため、我々は大規模で高忠実なCFDデータセットをキュレートし、そのようなアプリケーションのための効率的な機械学習アルゴリズムの開発を容易にした。 427個の実大動脈瘤形状に基づいて, 制御変形により10,660個の3次元形状を合成し, 大動脈瘤の進化をシミュレートした。 これらの合成形状の真正性は神経外科医によって確認された。 CFD計算は8つの定常質量流条件下で各形状で行われ、キーパラメータをカバーする合計85,280個の血流動態データを生成する。 さらにデータセットにはセグメンテーションマスクが含まれており、イメージやポイントクラウド、その他のマルチモーダルデータを入力として使用するタスクをサポートすることができる。 さらに,流れパラメータを推定し,現在のモデリング手法を評価するためのベンチマークも導入した。 このデータセットは、大動脈瘤の研究を進め、バイオ流体、バイオメディカルエンジニアリング、臨床リスクアセスメントにおけるデータ駆動アプローチを促進することを目的としている。 コードとデータセットは、https://github.com/Xigui-Li/Aneumo.comで公開されている。

関連論文リスト

• Active Learning for Deep Learning-Based Hemodynamic Parameter Estimation [2.2742404315918923]
  循環動態パラメータは、心臓血管疾患の診断、予後、治療計画において重要な役割を果たす。 CFDの結果を迅速に推定する手段として,ディープラーニング手法が採用されている。 本稿では,サロゲートモデルのトレーニングに必要なCFDシミュレーション数を削減するためのアクティブ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） (2025-03-05T12:35:54Z)
• Mesh-Informed Reduced Order Models for Aneurysm Rupture Risk Prediction [0.0]
  計算流体力学(CFD)を用いて大動脈瘤の発症リスクを予測する。 有限体積(FV)の離散化によって得られるメッシュの自然なグラフ構造を利用する。 本手法は,次元の呪いを克服する有効な方法であることを確認した。
  論文  参考訳（メタデータ） (2024-10-04T09:39:15Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• 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)
• Geometric Deep Learning for the Assessment of Thrombosis Risk in the Left Atrial Appendage [0.7956218230251954]
  本研究では,患者固有のLAA形状から,血栓症のリスクに関連する内皮細胞活性化電位(ECAP)を予測できるフレームワークを開発する。 このモデルは202個の合成LAAと54個の実LAAを組み合わせたデータセットを用いて訓練され、EPP分布を瞬時に予測し、平均絶対誤差は0.563である。
  論文  参考訳（メタデータ） (2022-10-19T14:03:54Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)

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。