Geometry-conditioned diffusion generation of Lagrangian particle trajectories in human airways
Dieses Papier schlägt ein geometrie-konditioniertes, geführtes Denoising Diffusion Probabilistic Model vor, das physikalisch plausible, subjekt-spezifische Lagrange-Partikel-Trajektorien in menschlichen Atemwegen erzeugt, indem es die Anatomie der Atemwege mittels eines Variational Autoencoders kodiert und die geometrische Durchführbarkeit durch eine Signed Distance Function Guidance erzwingt, wodurch die rechnerischen und vorverarbeitungstechnischen Einschränkungen traditioneller Simulationen trotz eines Trainings auf einem begrenzten Datensatz überwunden werden.