論文の概要: Computed Tomography (CT)-derived Cardiovascular Flow Estimation Using Physics-Informed Neural Networks Improves with Sinogram-based Training: A Simulation Study

• arxiv url: http://arxiv.org/abs/2511.03876v1
• Date: Wed, 05 Nov 2025 21:44:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.221867
• Title: Computed Tomography (CT)-derived Cardiovascular Flow Estimation Using Physics-Informed Neural Networks Improves with Sinogram-based Training: A Simulation Study
• Title（参考訳）: 物理インフォームドニューラルネットワークを用いたCTによる心血管内血流推定 : Sinogram-based Trainingによる改善
• Authors: Jinyuxuan Guo, Gurnoor Singh Khurana, Alejandro Gonzalo Grande, Juan C. del Alamo, Francisco Contijoch,
• Abstract要約: 非侵襲的画像に基づく血流評価は、心臓機能や構造を評価する上で重要な役割を担っている。 本研究では, 物理インフォームドニューラルネットワーク(PINN)を用いた流れ推定におけるCT画像の影響について検討した。 そこで我々は,血流を推定するためにシングラムデータを直接利用する改良されたフレームワークであるSinoFlowを提案する。
• 参考スコア（独自算出の注目度）: 35.6492311618019
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Background: Non-invasive imaging-based assessment of blood flow plays a critical role in evaluating heart function and structure. Computed Tomography (CT) is a widely-used imaging modality that can robustly evaluate cardiovascular anatomy and function, but direct methods to estimate blood flow velocity from movies of contrast evolution have not been developed. Purpose: This study evaluates the impact of CT imaging on Physics-Informed Neural Networks (PINN)-based flow estimation and proposes an improved framework, SinoFlow, which uses sinogram data directly to estimate blood flow. Methods: We generated pulsatile flow fields in an idealized 2D vessel bifurcation using computational fluid dynamics and simulated CT scans with varying gantry rotation speeds, tube currents, and pulse mode imaging settings. We compared the performance of PINN-based flow estimation using reconstructed images (ImageFlow) to SinoFlow. Results: SinoFlow significantly improved flow estimation performance by avoiding propagating errors introduced by filtered backprojection. SinoFlow was robust across all tested gantry rotation speeds and consistently produced lower mean squared error and velocity errors than ImageFlow. Additionally, SinoFlow was compatible with pulsed-mode imaging and maintained higher accuracy with shorter pulse widths. Conclusions: This study demonstrates the potential of SinoFlow for CT-based flow estimation, providing a more promising approach for non-invasive blood flow assessment. The findings aim to inform future applications of PINNs to CT images and provide a solution for image-based estimation, with reasonable acquisition parameters yielding accurate flow estimates.
• Abstract（参考訳）: 背景:非侵襲的画像による血流評価は、心臓機能と構造を評価する上で重要な役割を担っている。 CT(Computed Tomography)は、心臓血管の解剖と機能を評価するために広く用いられている画像モダリティであるが、コントラスト進化の映画から血流速度を推定するための直接的手法は開発されていない。 目的: 本研究は, 物理情報ニューラルネットワーク(PINN)を用いた血流推定におけるCT画像の影響を評価し, 筋電図データから直接血流を推定するフレームワークであるSinoFlowを提案する。 方法: 計算流体力学とシミュレーションCTスキャンを用いて, 理想化された2次元血管分岐部における脈動流場を生成し, ガントリー回転速度, 管電流, パルスモード画像設定を解析した。 再構成画像(ImageFlow)を用いたPINNベースフロー推定の性能をSinoFlowと比較した。 結果: SinoFlowはフィルタバックジェクションによる伝播誤差を回避し, 流量推定性能を著しく改善した。 SinoFlowはテストされたすべてのガントリー回転速度に対して堅牢であり、ImageFlowよりも平均2乗誤差と速度誤差が一貫して低い。 さらに、SinoFlowはパルスモードイメージングと互換性があり、パルス幅を短くして高い精度を維持していた。 結論: 本研究はCTによる血流推定におけるSinoFlowの可能性を示し, 非侵襲的血流評価においてより有望なアプローチを提供する。 本研究の目的は,CT画像へのPINNの今後の応用と,正確な流量推定を行う合理的な取得パラメータを用いた画像ベース推定のソリューションを提供することである。

関連論文リスト

• A Deep Learning Based Method for Fast Registration of Cardiac Magnetic Resonance Images [8.41988616568344]
  本論文では、心臓のひずみを定量化するために、高速で容積的な登録モデルを提案する。 提案するディープラーニングニューラルネットワーク(DLNN)は,畳み込みを極めて効率的に計算できるアーキテクチャを利用するように設計されている。
  論文  参考訳（メタデータ） (2025-06-23T22:06:07Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Physics-Guided Neural Networks for Intraventricular Vector Flow Mapping [1.498019339784467]
  物理インフォームドニューラルネットワーク(PINN)と物理誘導型nnU-Netに基づく教師付きアプローチを用いて,従来のiVFM最適化方式に代わる新しい手法を提案する。 どちらの手法も、元のiVFMアルゴリズムに匹敵する再構成性能を示している。 この研究は、超高速カラードプライメージングにおけるPINNの潜在的な応用と、血流に基づく心臓血管疾患のバイオマーカーを導出するための流体力学方程式の導入についても示唆している。
  論文  参考訳（メタデータ） (2024-03-19T17:35:17Z)
• 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)
• Vision-Informed Flow Image Super-Resolution with Quaternion Spatial Modeling and Dynamic Flow Convolution [49.45309818782329]
  フロー画像超解像(FISR)は、低分解能フロー画像から高分解能乱流速度場を復元することを目的としている。 既存のFISR法は主に自然画像パターンのフロー画像を処理する。 第一流れの視覚特性インフォームドFISRアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-29T06:48:16Z)
• The Surprising Effectiveness of Diffusion Models for Optical Flow and Monocular Depth Estimation [42.48819460873482]
  拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。 また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
  論文  参考訳（メタデータ） (2023-06-02T21:26:20Z)
• Deep Dynamic Scene Deblurring from Optical Flow [53.625999196063574]
  汚れは視覚的により快適な写真を提供し、写真がより便利になる。 非均一な曖昧さを数学的にモデル化することは困難である。 我々は,難解な特徴から鮮明な画像を復元する畳み込みニューラルネットワーク(CNN)を開発した。
  論文  参考訳（メタデータ） (2023-01-18T06:37:21Z)
• 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)
• Neural Particle Image Velocimetry [4.416484585765027]
  本稿では,この問題に適応した畳み込みニューラルネットワーク,すなわちボリューム対応ネットワーク(VCN)を紹介する。 ネットワークは、合成データと実フローデータの両方を含むデータセット上で、徹底的にトレーニングされ、テストされる。 解析の結果,提案手法は現場における他の最先端手法と同等の精度を保ちながら,効率の向上を図っている。
  論文  参考訳（メタデータ） (2021-01-28T12:03:39Z)

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。