論文の概要: Real-Time Pulsatile Flow Prediction for Realistic, Diverse Intracranial Aneurysm Morphologies using a Graph Transformer and Steady-Flow Data Augmentation

• arxiv url: http://arxiv.org/abs/2601.19876v2
• Date: Thu, 29 Jan 2026 10:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 14:13:20.032158
• Title: Real-Time Pulsatile Flow Prediction for Realistic, Diverse Intracranial Aneurysm Morphologies using a Graph Transformer and Steady-Flow Data Augmentation
• Title（参考訳）: Graph Transformer と Steady-Flow Data Augmentation を用いたリアルタイム脳動脈瘤血流予測
• Authors: Yiying Sheng, Wenhao Ding, Dylan Roi, Leonard Leong Litt Yeo, Hwa Liang Leo, Choon Hwai Yap,
• Abstract要約: 本研究では,大きなCFDデータによって管理される時間情報を含むグラフトランスフォーマーモデルを用いて,IA表面メッシュから心循環中における壁せん断応力(WSS)を正確に予測できることを示す。 本研究は,幾何学的メッシュを用いた深層学習モデルを用いて,心血管流体力学的パラメータの時間的シーケンスをリアルタイムに計算できるという概念の証明を提供する。
• 参考スコア（独自算出の注目度）: 7.900042107765877
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Extensive studies suggested that fluid mechanical markers of intracranial aneurysms (IAs) derived from Computational Fluid Dynamics (CFD) can indicate disease progression risks, but to date this has not been translated clinically. This is because CFD requires specialized expertise and is time-consuming and low throughput, making it difficult to support clinical trials. A deep learning model that maps IA morphology to biomechanical markers can address this, enabling physicians to obtain these markers in real time without performing CFD. Here, we show that a Graph Transformer model that incorporates temporal information, which is supervised by large CFD data, can accurately predict Wall Shear Stress (WSS) across the cardiac cycle from IA surface meshes. The model effectively captures the temporal variations of the WSS pattern, achieving a Structural Similarity Index (SSIM) of up to 0.981 and a maximum-based relative L2 error of 2.8%. Ablation studies and SOTA comparison confirmed its optimality. Further, as pulsatile CFD data is computationally expensive to generate and sample sizes are limited, we engaged a strategy of injecting a large amount of steady-state CFD data, which are extremely low-cost to generate, as augmentation. This approach enhances network performance substantially when pulsatile CFD data sample size is small. Our study provides a proof of concept that temporal sequences cardiovascular fluid mechanical parameters can be computed in real time using a deep learning model from the geometric mesh, and this is achievable even with small pulsatile CFD sample size. Our approach is likely applicable to other cardiovascular scenarios.
• Abstract（参考訳）: 計算流体力学(CFD)由来の頭蓋内動脈瘤(IAs)の流体力学的マーカーは, 疾患進行リスクを示す可能性があるが, これまでに臨床応用は行われていない。 これは、CFDが専門的な専門知識を必要とし、時間とスループットが低く、臨床試験を支援することが難しいためである。 IA形態をバイオメカニカルマーカーにマッピングする深層学習モデルはこの問題に対処できるため、医師はCFDを実行せずにリアルタイムでこれらのマーカーを取得できる。 ここでは,大きなCFDデータによって教師される時間情報を含むグラフトランスフォーマーモデルを用いて,IA表面メッシュから心周期にわたってウォールせん断応力(WSS)を正確に予測できることを示す。 このモデルはWSSパターンの時間変動を効果的に捉え、最大0.981の構造類似度指数(SSIM)と最大2.8%の相対L2誤差を達成する。 アブレーション研究とSOTAの比較により、その最適性が確認された。 さらに, パルス状CFDデータの生成には計算コストがかかり, サンプルサイズが制限されるため, 大量の定常CFDデータを注入する戦略を採り入れた。 この手法は、パルサタイルCFDデータサンプルサイズが小さい場合、ネットワーク性能を大幅に向上させる。 本研究は,循環器流体力学的パラメータの時間列を幾何学的メッシュから深層学習モデルを用いてリアルタイムに計算できるという概念を実証するものである。 私たちのアプローチは他の心臓血管のシナリオにも当てはまるでしょう。

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)
• Active Learning for Deep Learning-Based Hemodynamic Parameter Estimation [1.5465701096936584]
  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)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  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)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• 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)
• 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)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Machine-Learning Identification of Hemodynamics in Coronary Arteries in the Presence of Stenosis [0.0]
  人工ニューラルネットワーク(ANN)モデルは、動脈ネットワーク内の圧力と速度を予測するために合成データを用いて訓練される。 モデルの有効性を3つの実測値を用いて検証した。
  論文  参考訳（メタデータ） (2021-11-02T23:51:06Z)
• 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。