AitF: Collaborative Research: Topological Algorithms for 3D/4D Cardiac Images: Understanding Complex and Dynamic Structures

AitF：协作研究：3D/4D 心脏图像的拓扑算法：理解复杂和动态结构

基本信息

批准号：
2051197
负责人：
Yusu Wang
金额：
$ 8.09万
依托单位：
University of California-San Diego
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2020
资助国家：
美国
起止时间：
2020-08-15 至 2021-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=2051197&HistoricalAwards=false
关键词：
AitF Collaborative Research Topological Algorithms

项目摘要

The interiors of ventricles of a human heart are spanned by a fine net of muscle fibers that are difficult to resolve, even in high resolution CT images. An accurate account of these structures, however, could improve diagnosis of cardiac disease, evaluation of cardiac function, assessment of stroke risk, and simulation of cardiac blood flow. Topology is the branch of abstract mathematics that deals with connections; this project uses the theory of persistent homology to identify crucial topological handles that can be useful for accurate reconstruction and analysis of the complex cardiac dynamics from these CT images. The outcome of the project will not only advance our understanding of cardiac function, but also generate novel computational topology methods that are more efficient and effective for practical applications. This project not only bridges the gap between the theory of computational topology and the practical problem of cardiac image analysis, but also trains the next generation of researchers and educators to do so by a carefully integrated education plan. The PIs will engage undergraduate students, high school students, women and other underrepresented students in their proposed research.The goal of this project is to develop a topological approach to unveil the intrinsic structures from complex and dynamic 3D/4D cardiac data, and furthermore, to provide principled tools to quantitatively analyze these structures. The PIs will create new computational topology methodologies and algorithms to extract rich information from the intrinsic structure of cardiac data. They will develop novel methodologies to extract localized topological features and to track them based on their spatial and temporal coherence. They also plan to design new algorithms to untangle ambiguous and uncertain situations for tracking structures through time sequence data. The resulting techniques and software will be validated on cardiac CT data to produce quantitative assessments of accuracy and to characterize the advantages and limitations of these approaches. Domain experts will validate the quality of the approaches via scientific hypotheses and data exploration. The methods to be developed are general and will impact other scientific fields where intrinsic complex and dynamic structures exist.

人类心脏的心室内部由细密的肌纤维网组成，即使在高分辨率 CT 图像中也难以分辨。然而，对这些结构的准确描述可以改善心脏病的诊断、心脏功能的评估、中风风险的评估以及心脏血流的模拟。拓扑学是处理联系的抽象数学的一个分支。该项目使用持久同源理论来识别关键的拓扑手柄，这些手柄可用于从这些 CT 图像中准确重建和分析复杂的心脏动力学。该项目的成果不仅将增进我们对心脏功能的理解，而且还将产生新的计算拓扑方法，这些方法在实际应用中更加高效和有效。该项目不仅弥合了计算拓扑理论与心脏图像分析实际问题之间的差距，而且还通过精心整合的教育计划培训下一代研究人员和教育工作者这样做。 PI 将让本科生、高中生、女性和其他代表性不足的学生参与其拟议的研究。该项目的目标是开发一种拓扑方法来揭示复杂动态 3D/4D 心脏数据的内在结构，此外，提供定量分析这些结构的原则性工具。 PI 将创建新的计算拓扑方法和算法，以从心脏数据的内在结构中提取丰富的信息。他们将开发新的方法来提取局部拓扑特征，并根据它们的空间和时间一致性来跟踪它们。他们还计划设计新的算法来理清模糊和不确定的情况，以便通过时间序列数据跟踪结构。由此产生的技术和软件将在心脏 CT 数据上进行验证，以产生准确性的定量评估并描述这些方法的优点和局限性。领域专家将通过科学假设和数据探索来验证方法的质量。待开发的方法是通用的，并将影响存在内在复杂和动态结构的其他科学领域。

项目成果

期刊论文数量（6）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Persistence enhanced Graph Neural Network

持久性增强图神经网络

DOI：
发表时间：
2020-08
期刊：
Proceedings of the Twenty Third International Conference on Artificial Intelligence and Statistics (AISTATS
影响因子：
0
作者：
Zhao, Qi;Ye, Ze;Chen, Chao;Wang, Yusu
通讯作者：
Wang, Yusu

Topology-Aware Segmentation Using Discrete Morse Theory

使用离散莫尔斯理论的拓扑感知分割

DOI：
发表时间：
2021-01
期刊：
International Conference on Learning Representations (ICLRR
影响因子：
0
作者：
Hu, X.;Wang, Y.;Li, F.;Samaras, D.;Chen, C.
通讯作者：
Chen, C.

Heuristic Search for Homology Localization Problem and Its Application in Cardiac Trabeculae Reconstruction

同源定位问题的启发式搜索及其在心脏小梁重建中的应用

DOI：
10.24963/ijcai.2019/182
发表时间：
2019-08
期刊：
Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence
影响因子：
0
作者：
Zhang, Xudong;Wu, Pengxiang;Yuan, Changhe;Wang, Yusu;Metaxas, Dimitris;Chen, Chao
通讯作者：
Chen, Chao

Efficient Algorithms for Computing a Minimal Homology Basis

计算最小同调基础的有效算法

DOI：
978-3-319-77404-6_28
发表时间：
2018-03
期刊：
Latin American Symposium on Theoretical Informatics
影响因子：
0
作者：
Dey, Tamal;Li, Tianqi;Wang, Yusu
通讯作者：
Wang, Yusu

A Topological Regularizer for Classifiers via Persistent Homology

通过持久同调的分类器拓扑正则化器

DOI：
发表时间：
2019-04
期刊：
Proceedings of Machine Learning Research
影响因子：
0
作者：
Chen, Chao;Ni, Xiuyan;Bai, Qinxun;Wang, Yusu
通讯作者：
Wang, Yusu

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Yusu Wang其他文献

Road Network Reconstruction from satellite images with Machine Learning Supported by Topological Methods

拓扑方法支持的机器学习卫星图像路网重建

DOI：
10.1145/3347146.3359348
发表时间：
2019-09-15
期刊：
Proceedings of the 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems
影响因子：
0
作者：
T. Dey;Jiayuan Wang;Yusu Wang
通讯作者：
Yusu Wang

Position: Topological Deep Learning is the New Frontier for Relational Learning

立场：拓扑深度学习是关系学习的新领域

DOI：
发表时间：
2024-02-14
期刊：
影响因子：
0
作者：
Theodore Papamarkou;Tolga Birdal;Michael Bronstein;Gunnar Carlsson;Justin Curry;Yue Gao;Mustafa Hajij;Rol;Kwitt;Pietro Lio;P. Lorenzo;Vasileios Maroulas;Nina Miolane;Farzana Nasrin;K. Ramamurthy;Bastian Rieck;Simone Scardapane;Michael T. Schaub;Petar Velivckovi'c;Bei Wang;Yusu Wang;Guo;Ghada Zamzmi
通讯作者：
Ghada Zamzmi