物理学 > 医学物理
[提交于 2025年1月21日
]
标题: 基于计算机模拟双平面血管造影的动脉瘤自我校准极线重建评估方法
标题: Self-Calibrated Epipolar Reconstruction for Assessment of Aneurysms in the Internal Carotid Artery Using In-Silico Biplane Angiograms
摘要: 颅内动脉瘤(IA)的治疗依赖于使用双平面视图的血管造影引导。 然而,由于血管重叠和缩短,血流估计和装置尺寸测量通常会受到影响,这可能会掩盖关键细节。 本研究介绍了一种极线重建方法,利用常规获取的双平面血管造影数据来增强颈内动脉(ICA)和动脉瘤穹顶的三维渲染。 我们的方法旨在通过克服传统二维成像技术的局限性来改善手术指导。 本研究采用了三种ICA动脉瘤的三维几何结构来模拟虚拟血管造影。 这些血管造影是使用计算流体动力学(CFD)求解器生成的,随后使用锥形束几何结构模拟双平面血管造影。 通过在双平面视图中匹配对比剂随时间的位置来完成自校准。 特征匹配用于三角化和重建三维血管结构。 投影数据被用来优化三维估计,包括消除错误结构和椭圆拟合。 使用Dice-Sorensen系数评估了重建的准确性,将三维重建与原始模型进行比较。 所提出的极线重建方法在三个测试的动脉瘤模型中表现良好,相应的Dice-Sorensen系数分别为0.745、0.759和0.654。 错误主要是由于部分血管重叠引起的。 所有三个体积的平均重建时间约为10秒。 所提出的极线重建方法增强了三维可视化,解决了如投影引起的血管缩短等挑战。 该方法提供了一种解决IA可视化复杂性的解决方案,有望为治疗提供更准确的分析和装置尺寸。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.