Near Real-time Adaptive Isotropic and Anisotropic Image-to-mesh Conversion for Numerical Simulations Involving Cerebral Aneurysms
Kevin Garner, Fotis Drakopoulos, Chander Sadasivan and Nikos Chrisochoides
提出的是两项技术,旨在帮助简化数值建模过程中复杂血管几何的离散化。 第一种方法将多个软件工具集成到一个管道中,可以从分段医疗图像生成自适应各向异网格。 该管道可满足质量、保真度、平滑度和鲁棒性要求,同时为医疗图像到网格转换提供近乎实时的性能。 第二种方法近似于用户定义的尺寸函数,以实时生成高质量和保真度的自适应各向同质网格。 并行自适应各异性网状方法使用两个脑动脉瘤案例,并在普渡大学Anvil超级计算机上的单个多核节点内使用多达96个CPU核心,使用分层负载平衡模型(专为大型cc-NUMA共享内存架构设计),并包含优化的本地重新连接操作,其执行速度比以前研究的原始实现快三倍。 自适应各向同性法被证明可以在不到一分钟内生成大约5000万个元素的网格,而自适应各向异性方法被证明可以在大约5分钟内产生大约相同数量的元素。
Presented are two techniques that are designed to help streamline the discretization of complex vascular geometries within the numerical modeling process. The first method integrates multiple software tools into a single pipeline which can generate adaptive anisotropic meshes from segmented medical images. The pipeline is shown to satisfy quality, fidelity, smoothness, and robustness requirements while providing near real-time performance for medical image-to-mesh conversion. The second method a...
