面向生物力学仿真的主动脉瓣与钙化自动几何建模：双分支深度学习统一模板变形与符号距离场重建

《Medicine in Novel Technology and Devices》：Automatic geometric modeling of aortic valve and calcification using deep learning for biomechanical simulation

　　

一种双分支网络从CTA（computed tomography angiography，计算机断层血管造影）统一实现主动脉瓣与钙化建模。模板变形与SDF（signed distance function，符号距离函数）学习保持跨结构连续性。该框架改善表面精度与瓣叶厚度一致性。该框架增强钙化重建与体网格质量。生成的模型支持稳定的Abaqus有限元仿真。

主动脉瓣狭窄是常见瓣膜性心脏病之一，以进行性瓣膜钙化、瓣叶增厚和瓣叶活动受限为特征，可损害左心室流出并增加心脏负荷。疾病进展后，患者可能出现心力衰竭、心绞痛和晕厥，未治疗的重度病例与高死亡率相关。TAVR（transcatheter aortic valve replacement，经导管主动脉瓣置换术）已成为不同外科风险组患者的重要治疗选择，但瓣周漏、假体位置不良和主动脉根部损伤等并发症仍可能发生，这些并发症与术前解剖评估和生物力学预测的准确性密切相关。基于患者特异性几何模型的有限元和流固耦合仿真可预测瓣膜部署、应力分布和血流动力学变化，因此从医学影像准确重建主动脉瓣及邻近结构十分重要。然而，自动几何建模仍面临瓣叶形态复杂、边界不清、环部和钙化区域对比度低等挑战；有限元仿真还要求几何一致且拓扑稳定的网格，手动建模费时费力。既有研究多分别建模主动脉、瓣叶和钙化，易导致界面不连续，限制有限元适用性，尤其影响瓣叶-钙化相互作用区域。为此，研究人员提出一种基于深度学习的主动脉瓣与钙化自动几何建模框架，将模板变形重建与隐式SDF重建置于统一空间域中，以改善空间连续性、局部几何精度和体网格稳定性，生成适用于生物力学仿真和TAVR术前规划的高保真几何。

关键技术方法不超过250字：数据集包括公共健康队列与本地临床队列。公共ImageCAS含1000例健康个体心脏CTA，分辨率0.4–0.6 mm，仅用于标准模板构建与表示预训练，不纳入五折评估。本地临床队列来自首都医科大学附属北京安贞医院，45例主动脉瓣狭窄患者多期心脏CTA，共550个三维图像体积，约0.5 mm，覆盖升主动脉、环、瓣叶和左心室流出道。采用患者级五折交叉验证，四折36例训练，一折9例外折验证。技术上采用共享3D U-Net编码器与双解码分支：变形场分支预测体素位移场以变形标准模板，隐式重建分支学习SDF重建钙化；总损失由配准一致性损失、SDF损失、网格一致性损失和接触一致性损失组成；后处理融合生成仿真就绪几何。

3.1 实现细节：研究人员使用PyTorch框架和NVIDIA RTX 4090 GPU，将预处理后的三维CTA重采样至0.5 mm³，裁剪为128×128×128固定尺寸块；网络权重采用Xavier均匀初始化，Adam优化器初始学习率1e-3，余弦退火学习率，权重衰减1e-5，批量大小为4，训练400个epoch；总损失中配准一致性损失、SDF损失、网格一致性损失和接触一致性损失权重分别为1.0、0.5、0.2和0.1；几何损失用PyTorch3D实现，保留验证损失最低的模型。结论是研究人员给出了可重复的实现配置，并公开了框架实现。

3.2 评价指标：研究人员从表面几何精度、瓣叶厚度一致性、体网格质量和钙化重叠方面评估主动脉壁、瓣叶和钙化结构重建，采用双向CD（Chamfer distance，倒角距离）、HD（Hausdorff distance，豪斯多夫距离）、Corr（point-to-point correspondence error，点对点对应误差）、厚度差、D_J和DSC（Dice similarity coefficient，Dice相似系数）等指标；D_J=1?det(J)，当det(J)≤0时视为无效单元；统计采用双侧配对Wilcoxon符号秩检验。结论是建立了针对解剖表面、薄壁结构、网格质量和钙化重叠的量化评价框架。

3.3 定量评估解剖重建和网格质量：研究人员选取传统分割-配准流程、CNN基线、CNN+GCN基线和DeepCarve四类方法进行定量比较，各方法使用相同患者级交叉验证折、图像预处理、输入分辨率、解剖标注和评价方案。所提框架总体表现最佳，CD为0.82±0.28 mm，HD为4.10±1.38 mm，Corr为2.31±0.59 mm；瓣叶厚度误差最低，为0.07±0.02 mm；体网格质量评估中，若干基线产生det(J)≤0的倒置单元，而所提方法无无效单元，D_J最低，为0.11±0.01。结论是所提方法在主动脉壁和瓣叶表面精度、厚度一致性和体网格规则性方面优于基线，更利于生物力学仿真。

3.4 消融研究：研究人员在全部550个CTA体积上评估跨分支特征传递、共享特征编码、L_mesh和L_contact的贡献；接触误差E_contact定义为对应候选接触点预测与参考最小符号距离之差的平均绝对值。去除跨分支特征传递或用独立编码器替代共享编码器会降低解剖和钙化重建性能；去除L_mesh后D_J和D_J,cal分别增至0.16±0.02和0.389±0.027；去除L_contact后接触误差从0.12±0.01 mm增至0.24±0.07 mm，并伴随其他指标中度退化。结论是所提架构、网格约束和接触约束具有互补贡献。

3.5 表面精度评估：研究人员通过二维切片叠加视图和三维表面误差图进行定性评估，观察主动脉壁、瓣叶和钙化结构的局部结构连续性与边界保持。所提框架的预测更接近真实边界，尤其在瓣叶边缘、连合和环部区域局部偏差更小、几何轮廓更平滑；DeepCarve在瓣叶尖端和基底部附着等高曲率区域显示较大局部误差。结论是所提方法改善了主动脉瓣系统局部结构连续性和边界保持。

3.6 网格质量和几何一致性评估：研究人员比较D_J和瓣叶厚度一致性分布，以评估重建模型的物理合理性和几何可靠性。所提框架产生的分布更符合真值，体积变形更均匀，无明显单元倒置；瓣叶厚度误差在高曲率区域更小，厚度分布更平滑。结论是所提方法在薄壁瓣叶重建中提高了几何保真和结构一致性，并增强了网格稳定性。

3.7 瓣叶-钙化交互保真度评估：研究人员比较DeepCarve与所提方法在瓣叶-钙化界面区域的重建结果。生物力学接触仿真要求瓣叶与钙化界面保持解剖连续，无穿透、重叠或过度分离；DeepCarve在瓣叶边界附近出现局部穿透和脱离伪影，而所提框架在界面处保持更准确且物理合理的空间对齐，钙化贴合局部瓣叶几何，界面拓扑稳定，无明显冲突或间隙。结论是所提方法更适合仿真就绪的接触力学建模。

3.8 有限元仿真可行性：研究人员使用Abaqus/CAE 2024对两个代表性重建模型进行有限元仿真，主动脉根、原生瓣叶和钙化用四节点线性四面体单元C3D4（four-node linear tetrahedral elements）离散，每个模型约80,000–90,000个节点；主动脉组织建模为线弹性材料，钙化用弹塑性本构模型，球囊扩张式经导管框架建模为MP35N合金，杨氏模量233 GPa，泊松比0.30，屈服应力500 MPa；框架、原生瓣叶、主动脉根和钙化之间定义表面对表面接触，法向为硬接触，切向为罚摩擦；对框架施加径向位移模拟部署。两个病例的位移图呈连续稳定变形模式，无明显几何不连续或严重接触穿透；高应力区主要位于瓣叶附着区、连合和钙化邻近区域。结论是仅基于两个代表性病例的可行性演示表明，所提框架可生成解剖连贯且可网格化的几何，适合下游有限元生物力学仿真，但不构成定量生物力学或临床验证。

讨论部分总结：该研究提出基于深度学习的框架，从心脏CTA图像自动几何建模主动脉瓣和钙化，在统一空间表示中联合重建主动脉、瓣叶、左心室和钙化区域，生成解剖连续且仿真就绪的三维模型。通过结合针对解剖稳定结构的变形场预测和针对几何复杂区域的隐式SDF重建，所提方法保留了整体解剖形态和局部几何连续性。实验结果显示，其在表面精度、瓣叶厚度一致性、体网格质量和钙化重建方面优于现有方法。所提框架在瓣叶游离缘、高曲率区域和环-瓣叶交界等解剖挑战区域维持较高几何精度和网格稳定性；共享编码器特征使框架捕获全局解剖关系和局部几何变化，改善跨结构一致性并降低复杂病理条件下的表面误差，尤其在瓣叶-钙化界面，重建几何表现更好的解剖连续性和接触力学仿真适用性。消融研究支持跨分支特征交互、共享表示、L_mesh和L_contact的作用：去除跨分支特征传递或共享编码会降低解剖和钙化重建性能，去除L_mesh增加解剖和钙化Jacobian畸变，去除L_contact增加接触误差，说明架构组件和几何约束对仿真就绪重建具有互补贡献。有限元分析提供下游生物力学应用的初步可行性演示，表明重建几何可转换为体有限元网格并与经导管框架组合，获得连续位移和应力分布，应力集中主要位于瓣叶附着区、连合和钙化邻近区域；但该分析仅用于证明与有限元仿真的兼容性，而非提供定量生物力学或临床验证。所提框架还显示出下游生物力学应用潜力，可为瓣叶应力、环部变形、瓣叶-钙化相互作用分析以及未来血流动力学仿真和TAVR术前规划提供几何输入，但在用于患者特异性预测前仍需进一步生物力学和临床验证。局限包括：框架依赖固定解剖模板，可能无法充分捕捉严重病理条件下的高度解剖变异；钙化重建对低对比区域和成像伪影仍敏感；生物力学约束未显式纳入训练过程；有限元分析仅限两个代表性病例，并使用简化的、来自文献的材料属性和边界条件，因此应视为可行性演示而非生物力学验证。未来工作将包括更大多中心数据集、更多仿真病例以及实验或临床验证，以进一步评估重建模型的泛化性和生物力学可靠性。

研究结论翻译：本研究提出一种基于深度学习的框架，用于从心脏CTA图像自动几何建模主动脉瓣和钙化。该框架在统一空间表示中联合重建主动脉、瓣叶、左心室和钙化区域，生成用于生物力学分析的解剖连续且仿真就绪的三维模型。通过将针对解剖稳定结构的变形场预测与针对几何复杂区域的隐式SDF重建相结合，所提方法保留整体解剖形态和局部几何连续性。实验结果表明，与现有方法相比，其在表面精度、瓣叶厚度一致性、体网格质量和钙化重建方面具有改进。未来工作将包括更大多中心数据集、更多仿真案例和实验或临床验证，以进一步评估重建模型的泛化性和生物力学可靠性。