Voxel2Hemodynamics: An End-to-end Deep Learning Method for Predicting Coronary Artery Hemodynamics

要約

局所的な血行力は、冠動脈狭窄の機能的重要性を決定し、冠動脈疾患の進行メカニズムを理解する上で重要な役割を果たします。
数値流体力学 (CFD) は、冠状動脈コンピュータ断層撮影血管造影 (CCTA) 画像から血行動態を非侵襲的にシミュレートするために広く行われています。
しかし、正確な計算解析は、患者固有のモデリングの複雑な構築と時間のかかる計算によって依然として制限されています。
この研究では、CCTA画像から冠状動脈の血行動態を予測できるエンドツーエンドの深層学習フレームワークを提案しました。
モデルは、合成データセットと実際のデータセットの 3D シミュレーションから得られた血行力学データに基づいてトレーニングされました。
広範な実験により、私たちの方法によって予測された血流力学分布が CFD から導出された結果とよく一致することが実証されました。
定量的には、提案された方法は、合成データセットと実際のデータセットに対してそれぞれ 0.5\% と 2.5\% の平均誤差で部分流量予備量を予測する機能を備えています。
特に、私たちの方法は、点群入力を使用した PointNet++ と比較して、実際のデータセットに対してはるかに高い精度を達成しました。
この研究は、血行力学分析のための高速かつ正確なアプローチとしての当社のエンドツーエンドのディープラーニング手法の実現可能性と大きな可能性を実証しています。

要約(オリジナル)

Local hemodynamic forces play an important role in determining the functional significance of coronary arterial stenosis and understanding the mechanism of coronary disease progression. Computational fluid dynamics (CFD) have been widely performed to simulate hemodynamics non-invasively from coronary computed tomography angiography (CCTA) images. However, accurate computational analysis is still limited by the complex construction of patient-specific modeling and time-consuming computation. In this work, we proposed an end-to-end deep learning framework, which could predict the coronary artery hemodynamics from CCTA images. The model was trained on the hemodynamic data obtained from 3D simulations of synthetic and real datasets. Extensive experiments demonstrated that the predicted hemdynamic distributions by our method agreed well with the CFD-derived results. Quantitatively, the proposed method has the capability of predicting the fractional flow reserve with an average error of 0.5\% and 2.5\% for the synthetic dataset and real dataset, respectively. Particularly, our method achieved much better accuracy for the real dataset compared to PointNet++ with the point cloud input. This study demonstrates the feasibility and great potential of our end-to-end deep learning method as a fast and accurate approach for hemodynamic analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google