一种多目标优化方法,用于脑自我调节系统的线性建模

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 生理学 生理学 生理学

背景情况:

• 动态大脑自调节 (dCA) 维持稳定的大脑血流 (CF),尽管动脉血压 (ABP) 的变化.
• 评估dCA的现有方法在准确区分正常状态和受损状态方面面临挑战.
• 模拟脑血管阻力和遵从性对于理解dCA至关重要.

研究的目的:

• 引入一种新的多目标优化 (MO) 方法来配置脑血管阻力-合规模型.
• 通过自发的ABP和CF波动来增强正常和受损dCA之间的区别.
• 研究MO在不同生理条件下的dCA建模中的实用性.

主要方法:

• 在normocapnic和hypercapnic (5%CO2) 条件下收集了29个受试者的数据.
• 开发了脑血管阻力和血管合规模型,输入为ABP,输出为CF速度.
• 采用了MO方法来适应模型,优化了皮尔森的相关性和错误.

主要成果:

• 与单一目标 (SO) 方法相比,MO方法产生了优越的模型配置.
• 这种改善在超的条件下尤其显著.
• 巴雷托-最佳前线为dCA提供了新的见解,突出了肌源性机制对损伤的增加贡献.

结论:

• MO方法提供了一个更有效的方法来建模dCA.
• 这种技术增强了对dCA受损的理解,特别是在高头症期间.
• 这些发现强调了肌源性机制在dCA调节和损伤中的重要作用.