論文の概要: Wall Shear Stress Estimation in Abdominal Aortic Aneurysms: Towards Generalisable Neural Surrogate Models
- arxiv url: http://arxiv.org/abs/2507.22817v1
- Date: Wed, 30 Jul 2025 16:32:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-31 16:14:18.334309
- Title: Wall Shear Stress Estimation in Abdominal Aortic Aneurysms: Towards Generalisable Neural Surrogate Models
- Title（参考訳）: 腹部大動脈瘤における壁面せん断応力の推定 : 一般化可能なニューラルサロゲートモデルに向けて
- Authors: Patryk Rygiel, Julian Suk, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink,
- Abstract要約: 腹部大動脈瘤 (AAA) は腹部大動脈の病的拡張であり,破裂に伴う死亡リスクが高い。
本研究では,AAA患者の血行動態を推定するための幾何学的深層学習手法を提案する。
- 参考スコア（独自算出の注目度）: 2.2742404315918923
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Abdominal aortic aneurysms (AAAs) are pathologic dilatations of the abdominal aorta posing a high fatality risk upon rupture. Studying AAA progression and rupture risk often involves in-silico blood flow modelling with computational fluid dynamics (CFD) and extraction of hemodynamic factors like time-averaged wall shear stress (TAWSS) or oscillatory shear index (OSI). However, CFD simulations are known to be computationally demanding. Hence, in recent years, geometric deep learning methods, operating directly on 3D shapes, have been proposed as compelling surrogates, estimating hemodynamic parameters in just a few seconds. In this work, we propose a geometric deep learning approach to estimating hemodynamics in AAA patients, and study its generalisability to common factors of real-world variation. We propose an E(3)-equivariant deep learning model utilising novel robust geometrical descriptors and projective geometric algebra. Our model is trained to estimate transient WSS using a dataset of CT scans of 100 AAA patients, from which lumen geometries are extracted and reference CFD simulations with varying boundary conditions are obtained. Results show that the model generalizes well within the distribution, as well as to the external test set. Moreover, the model can accurately estimate hemodynamics across geometry remodelling and changes in boundary conditions. Furthermore, we find that a trained model can be applied to different artery tree topologies, where new and unseen branches are added during inference. Finally, we find that the model is to a large extent agnostic to mesh resolution. These results show the accuracy and generalisation of the proposed model, and highlight its potential to contribute to hemodynamic parameter estimation in clinical practice.
- Abstract（参考訳）: 腹部大動脈瘤 (AAA) は腹部大動脈の病的拡張であり,破裂に伴う死亡リスクが高い。
AAAの進行と破裂リスクの研究は、しばしば計算流体力学(CFD)を用いてシリコン内血流をモデル化し、平均壁せん断応力(TAWSS)や振動せん断指数(OSI)のような血液力学的因子を抽出する。
しかし、CFDシミュレーションは計算的に要求されることが知られている。
そのため、近年では3次元形状を直接操作する幾何学的深層学習法が説得力のある代理として提案され、数秒で血行動態パラメータを推定している。
本研究では,AAA患者の血行動態を推定するための幾何学的深層学習手法を提案する。
本稿では,新しい頑健な幾何学的記述子と射影幾何学的代数を応用したE(3)同変深層学習モデルを提案する。
本研究では,100人のAAA患者のCTスキャンデータを用いて一過性のWSSを推定する訓練を行った。
結果は, モデルが分布内だけでなく, 外部テストセットにもよく一般化されることを示す。
さらに、幾何学的リモデリングと境界条件の変化による血行動態を正確に推定することができる。
さらに,新しい枝と見えない枝が推論中に付加され,異なる枝のトポロジーに訓練されたモデルを適用できることが判明した。
最後に、メッシュ解像度に大きく依存しないモデルがあることが分かる。
これらの結果は,提案モデルの精度と一般化を示し,臨床実習における血行動態パラメーター推定に寄与する可能性を強調した。
関連論文リスト
- Aneumo: A Large-Scale Multimodal Aneurysm Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks [16.753219355754222]
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。
論文 参考訳（メタデータ） (2025-05-19T09:32:09Z) - Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:36:41Z) - Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。
本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文 参考訳（メタデータ） (2024-10-15T12:24:50Z) - 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) - Data-driven reduced-order modelling for blood flow simulations with
geometry-informed snapshots [0.0]
類似しているが異なる領域における血流シミュレーションの効率的な予測法として,データ駆動サロゲートモデルを提案する。
幾何パラメータに対する非侵入的還元次数モデルが適切な分解を用いて構築される。
ラジアル基底関数補間器は、縮小順序モデルの縮小係数を予測するために訓練される。
論文 参考訳（メタデータ） (2023-02-21T21:18:17Z) - Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall [13.113110989699571]
三次元幾何学的動脈モデルによる壁面上のベクトル値量の推定について検討する。
我々は、三角形のメッシュ上で直接動作するエンドツーエンドSE(3)-同変ニューラルネットワークにおいて、グループ同変グラフ畳み込みを用いる。
本手法は, 経時的, ベクトル値のWSSを, 異なる流れ境界条件下で正確に予測できるほど強力であることを示す。
論文 参考訳（メタデータ） (2022-12-09T18:16:06Z) - Neural operator learning of heterogeneous mechanobiological insults
contributing to aortic aneurysms [0.15658704610960567]
胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の局所的な拡張であり、壁構成、構造、機能から生じる。
本稿では,深層演算子ネットワーク(DeepONet)をベースとしたサロゲートモデルをトレーニングし,TAAの寄与要因を特定するための統合フレームワークを提案する。
提案手法は,患者固有のメカノロジー的侮辱プロファイルを高精度に予測できることを示す。
論文 参考訳（メタデータ） (2022-05-08T04:37:49Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - 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) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with
Convolutional Dropout Networks [0.0]
患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。
提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
論文 参考訳（メタデータ） (2020-09-16T00:13:12Z)
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。