对动脉样硬化动脉破裂风险的机械性质的灵敏度分析,使用人工神经网络方法

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 人工智能在医学中的应用

背景情况:

• 动脉样硬化动脉具有显著的破裂风险,需要准确的预测模型.
• 动脉性质的个体变化使风险评估复杂化.
• 了解影响破裂的生物力学因素对于临床干预至关重要.

研究的目的:

• 开发一种不确定性分析模型,用于预测动脉样硬化动脉破裂风险.
• 调查材料异构性和同构性对破裂风险的影响.
• 验证人工神经网络在动脉样硬化研究中的有效性.

主要方法:

• 建立了一个反向传播的人工神经网络模型.
• 包含了一个不确定性分析框架.
• 在各种动脉膨胀大小下模拟破裂风险.

主要成果:

• 人工神经网络模型有效预测了动脉样硬化动脉破裂风险.
• 同位性和异位性显著影响了预测的破裂风险.
• 模型在不同通货膨胀情景中证明了准确性.

结论:

• 人工神经网络为个性化动脉样硬化风险预测提供了一个有希望的工具.
• 对材料属性的核算可以提高破裂风险模型的准确性.
• 这项研究推动了人工智能在理解动脉生物力学方面的应用.