AAA-100

AAA-100数据集包含了来自荷兰阿姆斯特丹大学医学中心100名腹主动脉瘤患者的术前CT血管造影（CTA）扫描数据。这些数据用于训练一个基于深度学习的模型，以估计患者的瞬时壁面剪切应力。数据集包括患者特定的动脉树模型和相应的计算流体动力学（CFD）模拟结果，后者用于作为模型训练的参考真实数据。该数据集旨在解决腹主动脉瘤患者的血流动力学参数估计问题，并为临床实践中的血流动力学参数估计提供支持。

The AAA-100 dataset comprises preoperative computed tomography angiography (CTA) scan data from 100 abdominal aortic aneurysm (AAA) patients at the Amsterdam University Medical Centers, Netherlands. This dataset is utilized to train a deep learning-based model for estimating patient-specific instantaneous wall shear stress. It includes patient-specific arterial tree models and corresponding computational fluid dynamics (CFD) simulation results, which serve as the ground-truth reference for model training. The dataset aims to address the problem of hemodynamic parameter estimation for AAA patients and provide support for hemodynamic parameter estimation in clinical practice.

搜集汇总

数据集介绍

构建方式

AAA-100数据集基于100名腹主动脉瘤（AAA）患者的CT血管造影（CTA）影像构建，通过自动分割框架SIRE提取高质量三角表面网格，描述AAA管腔几何形态。数据集标准化了AAA几何结构，包括从T12椎体至髂动脉分叉的腹主动脉，并延伸至髂动脉和肾动脉的特定区段。每个几何结构通过计算流体动力学（CFD）模拟生成参考标签，模拟采用SimVascular的svSolver求解三维不可压缩Navier-Stokes方程，假设血液粘度和密度恒定，并应用Windkessel模型作为出口边界条件。

使用方法

AAA-100数据集主要用于训练和验证几何深度学习模型，如LaB-GATr，以估计瞬态WSS及其衍生标志物（TAWSS和OSI）。数据集的使用方法包括：1）通过分割CT影像提取AAA几何结构；2）应用CFD模拟生成参考WSS场；3）训练深度学习模型以预测血流动力学参数；4）评估模型在内部和外部测试集上的性能。数据集还支持研究模型对边界条件变化、血管拓扑变化和网格分辨率变化的泛化能力。

背景与挑战

背景概述

AAA-100数据集由荷兰特文特大学、慕尼黑工业大学和阿姆斯特丹大学医学中心的研究团队于2024年创建，专注于腹主动脉瘤（AAA）的血流动力学研究。该数据集包含100名患者的CT扫描数据，通过计算流体动力学（CFD）模拟提取壁面剪切应力（WSS）等血流动力学参数，旨在解决传统CFD模拟计算成本高、耗时长的问题。AAA-100的发布为几何深度学习在心血管疾病中的应用提供了重要基准，推动了基于神经代理模型的血流动力学快速估计方法的发展。

当前挑战

AAA-100数据集面临的核心挑战包括：1) 领域问题方面，需解决神经代理模型对分布外样本泛化能力不足的难题，如动脉拓扑结构变化、边界条件差异等真实临床场景中的变异；2) 构建过程中需克服CFD模拟耗时过长（单例平均5小时）、几何特征描述符设计复杂性，以及小样本条件下保持E(3)等变性的技术难点。此外，湍流模式的高频特征捕捉、不同血管分支的零样本适应性，以及网格分辨率不变性要求，均为模型构建的关键挑战。

常用场景

经典使用场景

AAA-100数据集在腹主动脉瘤（AAA）血流动力学研究中具有经典应用价值。该数据集通过结合计算流体动力学（CFD）模拟与几何深度学习技术，为壁面剪应力（WSS）的快速估计提供了可靠的数据支持。其典型应用场景包括在临床环境中快速评估AAA患者的血流动力学参数，如时间平均壁面剪应力（TAWSS）和振荡剪切指数（OSI），从而辅助医生进行破裂风险预测和手术决策。

解决学术问题

AAA-100数据集解决了传统CFD模拟计算成本高、耗时长的问题，为血流动力学研究提供了高效替代方案。通过几何深度学习模型（如LaB-GATr），该数据集实现了对WSS的快速估计，同时保持了与CFD相当的精度。其意义在于推动了血流动力学参数从实验室研究向临床实践的转化，并为大规模流行病学研究提供了可行性。

实际应用

在实际应用中，AAA-100数据集支持了基于深度学习的血流动力学分析工具的开发。例如，临床医生可利用该数据集训练的模型，在几秒内完成患者特异性血流动力学评估，而传统CFD模拟需数小时。此外，其衍生的TAWSS和OSI指标可用于识别AAA局部生长和破裂的高风险区域，为个性化治疗规划提供依据。

数据集最近研究

最新研究方向

近年来，AAA-100数据集在腹主动脉瘤（AAA）血流动力学研究领域引起了广泛关注。该数据集通过结合几何深度学习和计算流体动力学（CFD）方法，为壁面剪切应力（WSS）的快速估计提供了新的解决方案。研究重点集中在开发具有泛化能力的神经替代模型，以应对临床实践中常见的生理条件变化、动脉重构和血管拓扑变化等挑战。最新研究通过引入𝐴?(3)-等变几何代数变换器（LaB-GATr）架构，显著提升了模型在瞬态WSS估计中的准确性和泛化能力。这一进展不仅为AAA破裂风险的评估提供了更高效的工具，也为大规模流行病学研究中的血流动力学分析开辟了新途径。

相关研究论文

• Wall Shear Stress Estimation in Abdominal Aortic Aneurysms: Towards Generalisable Neural Surrogate Models

  荷兰特温特大学应用数学系和心血管健康技术中心 · 2025年