論文の概要: FEAorta: A Fully Automated Framework for Finite Element Analysis of the Aorta From 3D CT Images

• arxiv url: http://arxiv.org/abs/2510.06621v1
• Date: Wed, 08 Oct 2025 04:00:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.286759
• Title: FEAorta: A Fully Automated Framework for Finite Element Analysis of the Aorta From 3D CT Images
• Title（参考訳）: FEAorta: 3次元CT画像からの大動脈の有限要素解析のための完全自動化フレームワーク
• Authors: Jiasong Chen, Linchen Qian, Ruonan Gong, Christina Sun, Tongran Qin, Thuy Pham, Caitlin Martin, Mohammad Zafar, John Elefteriades, Wei Sun, Liang Liang,
• Abstract要約: 大動脈動脈瘤は、米国の人口で死亡原因のトップ20に一貫してランクインしている。 バイオメカニクスの観点からすると、大動脈壁に作用する応力が壁強度を超えると破断が起こる。
• 参考スコア（独自算出の注目度）: 2.707400642672038
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Aortic aneurysm disease ranks consistently in the top 20 causes of death in the U.S. population. Thoracic aortic aneurysm is manifested as an abnormal bulging of thoracic aortic wall and it is a leading cause of death in adults. From the perspective of biomechanics, rupture occurs when the stress acting on the aortic wall exceeds the wall strength. Wall stress distribution can be obtained by computational biomechanical analyses, especially structural Finite Element Analysis. For risk assessment, probabilistic rupture risk of TAA can be calculated by comparing stress with material strength using a material failure model. Although these engineering tools are currently available for TAA rupture risk assessment on patient specific level, clinical adoption has been limited due to two major barriers: labor intensive 3D reconstruction current patient specific anatomical modeling still relies on manual segmentation, making it time consuming and difficult to scale to a large patient population, and computational burden traditional FEA simulations are resource intensive and incompatible with time sensitive clinical workflows. The second barrier was successfully overcome by our team through the development of the PyTorch FEA library and the FEA DNN integration framework. By incorporating the FEA functionalities within PyTorch FEA and applying the principle of static determinacy, we reduced the FEA based stress computation time to approximately three minutes per case. Moreover, by integrating DNN and FEA through the PyTorch FEA library, our approach further decreases the computation time to only a few seconds per case. This work focuses on overcoming the first barrier through the development of an end to end deep neural network capable of generating patient specific finite element meshes of the aorta directly from 3D CT images.
• Abstract（参考訳）: 大動脈動脈瘤は、米国の人口で死亡原因のトップ20に一貫してランクインしている。 胸部大動脈瘤は胸部大動脈壁が異常に膨らみ,成人の死因となっている。 バイオメカニクスの観点からすると、大動脈壁に作用する応力が壁強度を超えると破断が起こる。 壁面の応力分布は、計算力学解析、特に構造有限要素解析によって得ることができる。 リスク評価には, 材料破壊モデルを用いて応力と材料強度を比較することで, TAAの確率的破壊リスクを計算することができる。 労働集約的な3D再構成 現在の患者固有の解剖学的モデリングは、手動のセグメンテーションに依存しているため、多くの患者へのスケーリングが難しく、計算負荷がかかる伝統的なFAAシミュレーションは、時間に敏感な臨床ワークフローとリソース集約的で相容れない。 第2の障壁は、PyTorch FEAライブラリとFEA DNN統合フレームワークの開発を通じて、私たちのチームによって克服されました。 FEA関数をPyTorch FEAに組み込んで静的決定性の原理を適用することにより,FEAに基づく応力計算時間を1ケースあたり約3分に短縮した。 さらに,PyTorch FEAライブラリを通じてDNNとFAAを統合することにより,ケースあたりの計算時間を数秒に短縮する。 この研究は、3次元CT画像から直接大動脈の患者固有の有限要素メッシュを生成することができるエンド・ツー・エンド・ディープニューラルネットワークの開発を通じて、最初の障壁を克服することに焦点を当てている。

関連論文リスト

• 2D Ultrasound Elasticity Imaging of Abdominal Aortic Aneurysms Using Deep Neural Networks [0.5249805590164902]
  腹部大動脈瘤 (AAA) は破裂の可能性があるため, 臨床的リスクが高い。 2次元超音波を用いたAAAの弾力性イメージングのためのディープラーニングに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-25T21:42:54Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• 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)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Deep Learning Mixture-of-Experts Approach for Cytotoxic Edema Assessment in Infants and Children [0.6291681227094761]
  本稿では,小児の細胞毒性浮腫 (CE) 診断における画像分類のための深層学習フレームワークを提案する。 提案フレームワークは2種類の臨床MRIデータから学習するために最適化された2つの3Dネットワークアーキテクチャを含む。
  論文  参考訳（メタデータ） (2022-10-06T14:21:44Z)
• Hip Fracture Prediction using the First Principal Component Derived from FEA-Computed Fracture Loads [9.559912768670888]
  FEAパラメータの最初のPC(PC1)は、股関節骨折の唯一の有意な予測因子であった。 PC1 を用いた受信操作特性曲線 (AUC) 下の領域の平均値は, 男性被験者で組み合わせたすべての FE パラメータよりも常に高い値を示した。
  論文  参考訳（メタデータ） (2022-10-03T15:46:06Z)
• StressNet: Deep Learning to Predict Stress With Fracture Propagation in Brittle Materials [6.245804384813862]
  脆性材料の破砕は、しばしば内部応力の強い亀裂の急激な成長と合体によるものである。 フラクチャー伝播と初期応力データに基づく最大内部応力列全体を予測するために「応力ネット」を提案する。 提案モデルでは,最大内部応力の高精度なマルチステップ予測を約20秒で計算できる。
  論文  参考訳（メタデータ） (2020-11-20T05:49:12Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。