个性化和不确定性意识的冠状动力学模拟:从贝叶斯估计到改进的多忠度不确定性量化

科学领域:

• 计算流体动力学的流体动力学.
• 医学成像医学成像
• 心血管模型的建模.

背景情况:

• 目前的非侵入性冠状动力学模拟缺乏个性化,通常使用经验流量分布,忽略患者特定因素和数据不确定性.
• 这种限制阻碍了精确的临床风险分层和冠状动脉疾病 (CAD) 治疗优化.
• 现有的模型无法充分考虑患者数据的变化,疾病存在和其他关键临床因素.

研究的目的:

• 开发一个端到端,不确定性意识的管道,用于个性化的冠状动脉流动模拟.
• 将患者特定的冠状动脉流量和心脏功能纳入模拟.
• 通过考虑数据不确定性,更准确地预测临床和生物力学结果.

主要方法:

• 从CT心肌输液成像中同化患者特有的心肌动脉血流数据,以估计分支特有的冠状动脉流量.
• 采用适应性马尔科夫链蒙特卡洛采样来估计模型参数,模拟临床数据中的噪声以捕捉不确定性.
• 利用一种新的多忠度蒙特卡洛估计与非线性,数据驱动的维度减少相结合,以确定后期预测分布.

主要成果:

• 该框架准确地重现了临床测量的心脏功能和分支特定的冠状动脉流,即使与模拟测量噪声.
• 与单一忠诚度和最先进的多忠诚度蒙特卡洛方法相比,观察到预测量值的置信区间显著减少.
• 与传统方法相比,对拟议的多忠度蒙特卡洛估计器进行了实质性的计算成本节省.

结论:

• 开发的管道允许使用常规临床数据和先进的CT成像技术,对冠状动力学进行个性化和不确定性意识的预测.
• 这种方法在预测精度上提供了显著的改进,并显著减少了计算费用.
• 这种方法对推进冠状动脉疾病的风险分层和治疗规划充满希望.