Instantaneous Visual Analysis of Blood Flow in Stenoses Using Morphological Similarity

计算流体力学（CFD）的出现使得模拟复杂的输运过程成为可能，包括生理结构中的流动，例如血管。虽然这些所谓的血流动力学模拟为解决临床前沿问题提供了开创性机会，但将CFD成功转化为临床决策具有挑战性。血流动力学模拟本质上是复杂的、耗时的和资源密集型的，这与临床工作流程的时限性相冲突，而且医院通常没有必要的资源或基础设施来支持CFD模拟。为了解决这些转移挑战，我们提出了一种新颖的可视化系统，可以在不进行现场模拟的情况下实现即时流动探索。为了了解该方法的可行性，我们专注于颈动脉分叉的血流动力学模拟，这是中风诊断和预防中非常相关的动脉子树。我们创建了一个初始数据库，包含120个高分辨率的颈动脉分叉流模型，并开发了一组相似性度量标准，用于将一个新的颈动脉表面模型置于具有最高几何相似性的模拟案例邻域中。该邻域可以立即进行探索并分析流场。我们发现，如果在感兴趣的区域内动脉模型足够相似，则新的模拟会导致重合的结果，使用户可以避免个别流动模拟。我们得出结论，基于相似性的可视化分析是CFD在医学实践中可用性的一种有前途的方法。

如何解决 hemodynamic simulations 的时空复杂度问题，以便在临床决策中使用？

提出一种基于相似性的可视化系统，使医生可以在不进行现场模拟的情况下即时探索血流情况。系统通过将新的血管模型与高相似性的模型进行比对，以最快速度提供与现有模型相似的流场。

论文通过对120个高分辨率颈动脉分叉流模型进行相似性分析，提出了一种无需进行个体流模拟即可探索血流情况的可视化系统。该系统可用于卒中诊断和预防。

在医学影像领域，目前已经有很多研究关注如何使用机器学习算法来辅助医生进行诊断。例如，最近的一篇论文《Automated detection of COVID-19 cases using deep neural networks with X-ray images》就是使用深度神经网络来自动检测COVID-19病例。