《Journal of Biomechanics》：Meshing around: evaluating the robustness of tetrahedral meshing algorithms for deep-learning segmented coronary arteries
编辑推荐：
计算流体动力学（Computational Fluid Dynamics, CFD）模拟冠状动脉日益被用于评估冠状动脉疾病。尽管深度学习分割方法加速了从计算机断层扫描血管造影（Computed Tomography Angiography, CTA）重建冠状动
计算流体动力学（Computational Fluid Dynamics, CFD）模拟冠状动脉日益被用于评估冠状动脉疾病。尽管深度学习分割方法加速了从计算机断层扫描血管造影（Computed Tomography Angiography, CTA）重建冠状动脉血管结构的过程，但由于复杂几何形状和表面畸形，将这些分割模型集成到体网格生成算法中以生成可能可用于CFD的网格仍具挑战性。研究人员调查了三种四面体网格生成算法（TetGen、fTetWild和Ansys Fluent）从深度学习分割结果自动生成可能可用于CFD的体网格的鲁棒性。研究人员使用71例冠状动脉CTA图像训练了一个3D nnU-Net模型，用于从29个测试用例中分割主动脉和冠状动脉树。得到的表面标签直接输入到网格生成算法中，无需任何手动预处理。基于网格生成成功率、单元数、以及单元质量指标（包括等角歪斜（Equiangle Skew, EA）、缩放雅可比（Scaled Jacobian, JC）和均值比（Mean Ratio, MR））评估性能。结果表明，fTetWild取得了最高的成功率（接近100%），优于TetGen和Ansys Fluent，尤其在处理低质量几何时。此外，fTetWild生成的体网格单元数量显著更少，且最差单元质量更优，这对模拟收敛和稳定性至关重要。虽然TetGen在默认参数下生成的总体网格质量较低且偏差较大，但其成功率高于Ansys Fluent。fTetWild为从自动深度学习分割直接生成高质量四面体网格提供了高度鲁棒且一致的解决方案，但需要注意其计算成本较高。这些发现朝着开发完全自动化的端到端血管CFD模拟管线迈出了关键一步，以简化临床环境中的血流动力学评估。
冠状动脉疾病（Coronary Artery Disease, CAD）是全球第三大死亡原因，年死亡人数超过1780万。基于血流动力学的计算流体动力学（Computational Fluid Dynamics, CFD）模拟可非侵入性评估冠状动脉病变的功能意义，如通过CT衍生的血流储备分数（CT-FFR），并可用于虚拟支架部署和冠状动脉旁路移植等干预规划。深度学习分割方法加速了从冠状动脉CT血管造影（Computed Tomography Angiography, CTA）重建血管结构的过程，但深度学习网络输出的三维标签图需进一步转换为体网格才能用于CFD。由于血管几何形态复杂，且自动分割和表面提取过程常产生低质量表面网格、孔洞、间隙及变形三角形，将深度分割模型与现有体网格生成算法集成仍具挑战。目前关于这些分割模型如何与体网格算法集成以生成可用于CFD的网格的文献很少。为此，研究人员评估了三种四面体网格生成算法（TetGen、fTetWild和Ansys Fluent）在自动生成可能可用于CFD的体网格方面的鲁棒性。
研究人员使用71例冠状动脉CTA图像训练了一个3D nnU-Net模型，并从29例来自公开ASOCA数据集的测试病例中分割主动脉和左右冠状动脉树；另结合了10例ImageCAS数据。训练采用5折交叉验证，每折1000个epoch，基于NVIDIA GeForce RTX 4090 GPU，并使用nnU-Net残差编码器预设中等配置。分割标签包括主动脉、左冠状动脉树（Left Coronary Tree, LCA）和右冠状动脉树（Right Coronary Tree, RCA）。将分割得到的三维标签图经3DSlicer转换为表面模型，并在Paraview中提取最大连通分量后，直接输入三个网格生成算法，不进行手动预处理。主要关键方法包括：使用nnU-Net进行图像分割；使用TetGen（基于约束Delaunay四面体化）、fTetWild（通过PyTetWild绑定）和Ansys Fluent（通过水密几何工作流）进行四面体网格生成；使用Paraview的MeshQuality过滤器评估网格质量，指标包括等角歪斜（Equiangle Skew, EA）、缩放雅可比（Scaled Jacobian, JC）和均值比（Mean Ratio, MR）。所有网格生成均使用默认参数，仅设置理想和最大边长（主动脉0.1 cm，冠状动脉0.03 cm）。统计采用Friedman检验和Wilcoxon符号秩检验，并使用Holm-Bonferroni校正。
研究结果如下：在成功率方面，fTetWild成功率最高，对主动脉、LCA、RCA分别为29/29、28/29、28/29；TetGen为28/29、20/29、24/29；Ansys Fluent为25/29、8/29、12/29。TetGen失败主要由于分段和面的交点问题，fTetWild因表面解析困难导致分割错误，Ansys失败包括自相交、体网格失败和无法填充孔洞。TetGen无法处理最小三角内角低于0.09°的表面，Ansys无法处理低于1°的表面。在单元数方面，对于主动脉网格，fTetWild插入的单元数显著少于Ansys（中位配对差异-114000）。对于LCA和RCA，TetGen插入的单元数显著少于Ansys和fTetWild。边长分布上，TetGen呈不规则右偏分布，fTetWild近似正态，Ansys为双峰分布。在网格质量方面，TetGen的EA更高，JC和MR更低。fTetWild与Ansys相比，在主动脉网格中fTetWild的EA更低、JC更高，而LCA两者无显著差异，RCA中fTetWild的EA更高、JC和MR更低。质量偏差方面，TetGen的偏差远大于fTetWild和Ansys。最差单元质量方面，TetGen的最差单元质量显著低于fTetWild和Ansys，除LCA中TetGen与Ansys差异不显著；fTetWild在所有血管区域的最差单元质量均优于Ansys。
讨论指出，fTetWild设计上预期几何不完美，允许在设定的包络内对表面进行微小修改，因此成功率更高，但最终网格可能略微偏离输入表面。fTetWild计算成本更高，需要更大的内存和时间，例如LCA和RCA网格曾需超过128 GB内存。与已有研究相比，本研究首次在较大患者队列中比较开源和商业网格算法对患者特定血管解剖的鲁棒性。研究意义在于为自动端到端CFD管线提供基础，并可能将计算负担从模拟转向网格生成。局限性包括无法为主动脉、LCA和RCA构建组合网格，数据集大小有限，所有比较基于默认参数，未完全模拟所有测试病例。
结论：本文评估了TetGen、fTetWild和Ansys Fluent自动生成nnU-Net冠状动脉分割体网格的性能。fTetWild以更少的单元生成了高质量网格和成功率，优于TetGen并在大多数方面匹配或超过Ansys Fluent。未来研究可探索这些网格算法对血流动力学的影响，以开发全自动端到端CFD管线。
