基于深度学习的图像分割、血管重建和OpenFOAM的血流动力学模拟的自动血流动力学评估方法

目的心血管疾病已成为全球威胁人类生病和健康的重大公共卫生问题,但心血管疾病发病隐匿,因此早期发现心血管疾病是降低病死率的关键。血流动力学可以通过模拟得到一些临床检测不到的血流动力学参数,如壁面切应力,震荡剪切系数等,正逐渐引起许多医生和学者的关注。为了迅速、准确地获取血管血流动力学参数,并为患者提供精准治疗方案,本文提出了一种基于深度学习的自动血管分割、建模和基于Open FOAM的血流动力学仿真与分析方法。方法首先,利用卷积神经网络对经过预处理的血管CT图像进行自动分割,实现对血管结构的准确提取。接着,采用移动立方体算法对分割后的二值化图像进行三维重建,以生成真实的血管结构模型。最后,对三维血管模型进行精细处理,并利用Open FOAM进行血流动力学仿真,来获得血流动力学参数。结果通过对比实验,本文所提方法在血管的三维重建方面表现出较高的准确性与稳定性,同时血流动力学分析结果与主流商业软件结果吻合度较高。此外,该方法极大地减少了人工操作,提高了处理效率。结论本文提出的方法能够为医生迅速准确地提供血流动力学分析参数,为临床诊断和治疗决策提供可靠依据,具有重要的实用价值和广阔的应用前景。