Two-Stage Generative Model for Intracranial Aneurysm Meshes with Morphological Marker Conditioning

要約

頭蓋内動脈瘤（IA）のメッシュジオメトリの生成モデルは、疾患の進行に影響を与える重要な要因であるリアルタイムで血流力を予測するためにネットワークをトレーニングするために重要です。
このニーズは、大きなIA画像データセットがないことで必要です。
既存の形状生成方法は、現実的なIA機能をキャプチャし、IAポーチと親容器との関係を無視するのに苦労しており、生理学的リアリズムとその世代の制限は、特定の形態測定を行うことはできません。
2段階の変動自動エンコーダー（VAE）ベースのIAメッシュジェネレーターであるAneugを提案します。
最初の段階では、Aneugは低次元グラフ高調波変形（GHD）トークンを生成して、エネルギー統計の真実のモーフィングに制約されている動脈瘤ポーチの形状をエンコードおよび再構築します。
GHDは、代替よりも正確な形状エンコードを有効にします。
第2段階では、Aneugは、血管の中心線を生成し、断面を伝播することにより、GHDトークンに条件付けられた親容器を生成します。
AneugのIA形状生成は、特定の臨床的に関連する形態測定を行うようにさらに条件付けられます。
これは、研究が臨床測定によって表される形状の変動を理解し、流体のダイナミクスに対する特定の臨床形状パラメーターの効果を理解するためのフローシミュレーション研究に役立ちます。
ソースコードと実装の詳細は、https：//github.com/anonymousaneug/aneugで入手できます。

要約(オリジナル)

A generative model for the mesh geometry of intracranial aneurysms (IA) is crucial for training networks to predict blood flow forces in real time, which is a key factor affecting disease progression. This need is necessitated by the absence of a large IA image datasets. Existing shape generation methods struggle to capture realistic IA features and ignore the relationship between IA pouches and parent vessels, limiting physiological realism and their generation cannot be controlled to have specific morphological measurements. We propose AneuG, a two-stage Variational Autoencoder (VAE)-based IA mesh generator. In the first stage, AneuG generates low-dimensional Graph Harmonic Deformation (GHD) tokens to encode and reconstruct aneurysm pouch shapes, constrained to morphing energy statistics truths. GHD enables more accurate shape encoding than alternatives. In the second stage, AneuG generates parent vessels conditioned on GHD tokens, by generating vascular centreline and propagating the cross-section. AneuG’s IA shape generation can further be conditioned to have specific clinically relevant morphological measurements. This is useful for studies to understand shape variations represented by clinical measurements, and for flow simulation studies to understand effects of specific clinical shape parameters on fluid dynamics. Source code and implementation details are available at https://github.com/anonymousaneug/AneuG.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google