Un enfoque de red neuronal informado por la física para determinar la rigidez arterial espacialmente variable...

Área de la Ciencia:

• Ingeniería biomédica
• Investigación cardiovascular
• Imágenes médicas

Sus antecedentes:

• La rigidez arterial es un predictor significativo de la mortalidad cardiovascular.
• La evaluación precisa y localizada de la rigidez arterial es crucial para la estratificación del riesgo.

Objetivo del estudio:

• Desarrollar y validar un nuevo modelo de red neuronal informada por la física (PINN) para evaluar la rigidez arterial espacialmente variable.
• Para integrar las imágenes de ondas de pulso basadas en ultrasonido (PWI) y las imágenes de flujo vectorial (VFI) para la medición de la rigidez arterial de alta resolución.

Principales métodos:

• Utilizó alta frecuencia de fotogramas (3.3 kHz) PWI y VFI para capturar el desplazamiento de la pared del vaso y la velocidad del flujo sanguíneo.
• Desarrolló un modelo PINN que integraba ecuaciones diferenciales 1D linealizadas de propagación de ondas de pulso.
• Validación del modelo utilizando datos en silicio de simulaciones 1D y una placa fantasma.

Principales resultados:

• El modelo PINN estimó con precisión la rigidez localizada de la pared arterial.
• Eficacia demostrada en la captura de variaciones de cumplimiento localizadas tanto en datos simulados como en datos fantasmas.
• Las imágenes de alta velocidad permitieron un seguimiento preciso de la dinámica arterial.

Conclusiones:

• El modelo PINN propuesto ofrece un enfoque prometedor para una evaluación precisa y localizada de la rigidez arterial.
• Este método tiene el potencial de mejorar la predicción del riesgo cardiovascular.
• El trabajo futuro explorará la dinámica no lineal y la integración de datos de mayor dimensión.