在CVSim-6生理学基于物理的重建中,总不确定性的量化
Mario De Florio1, Zongren Zou1, Daniele E Schiavazzi2
1Division of Applied Mathematics, Brown University, Providence, 02906 RI, USA.
在模拟中量化总不确定性至关重要. 这项研究引入了MC X-TFC,用于生理模型中强大的不确定性分解,即使在有限的数据中,也提高了数字双胞胎的准确性.
科学领域:
- 计算生物学是一种计算生物学.
- 生理学建模 生理学建模
- 不确定性量化不确定性的量化.
背景情况:
- 准确预测物理现象需要从诸如 aleatoric, epistemic 和模型形式不确定性等来源量化总不确定性.
- 基于物理学的方法提供灵活的数据集成,但与各种不确定性类型进行复杂的交互.
- 了解这些相互作用是改善现实世界条件下的物理信息数字双胞胎的关键.
研究的目的:
- 调查微分系统的状态和参数估计总不确定性的分解.
- 在生物和生理模型中分析基于物理的规范化与不同不确定性来源之间的相互作用.
- 评估一种新的基于物理学的方法,MC X-TFC,用于不确定性量化.
主要方法:
- 应用了MC X-TFC,一种使用随机预测和蒙特卡洛抽样的新方法,用于不确定性量化.
- 采用了来自人体生理学的六个分区的刚性普通微分方程 (ODE) 系统,CVSim-6模型.
- 在逐步删除数据,增加参数估计和模型形式错误规范下调查的不确定性.
主要成果:
- MC X-TFC在估计状态和参数方面表现出强度和效率,即使使用有限,稀疏和杂的数据.
- 该研究分析了差异术语表述和模型形式不确定性量化之间的相互作用.
- 额外的物理整合被证明有助于估计过程,特别是在模型错误规范的情况下.
结论:
- MC X-TFC提供了一种灵活和有效的方法,用于将数据与物理整合起来,以改进估计.
- 该方法通过解决复杂的不确定性相互作用来增强物理信息数字双胞胎的预测性能.
- 这项工作有助于更好地理解生理模拟中的不确定性分解,这对于现实世界的应用至关重要.
更多相关视频
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
08:26Quantitative Mapping of Specific Ventilation in the Human Lung using Proton Magnetic Resonance Imaging and Oxygen as a Contrast Agent
Published on: June 5, 2019
相关概念视频
Estimation of the Physical Quantities
Uncertainty: Overview
Propagation of Uncertainty from Systematic Error
Propagation of Uncertainty from Random Error
Uncertainty: Confidence Intervals
Uncertainty in Measurement: Accuracy and Precision
