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, RI 02906, USA.
本研究介绍了MC X-TFC,这是一种新的基于物理的方法,用于模拟中的不确定性量化. 它有效地分解和量化生物模型的总不确定性,即使数据有限.
科学领域:
- 计算机建模和模拟.
- 在科学计算中的不确定性量化.
- 基于物理的机器学习.
背景情况:
- 准确预测物理现象需要从 aleatoric, epistemic 和模型形式来源量化总不确定性.
- 在模拟中基于物理的规范化与各种不确定性类型进行复杂的相互作用,影响数字双胞胎性能.
- 了解这些相互作用对于改善现实应用中的预测准确性至关重要,特别是在生物和生理系统中.
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和量化.
- 分析基于物理学的规范化与生物和生理模型中的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MC X-TFC,一种新的方法,结合随机预测和蒙特卡洛采样来量化不确定性.
- 从人类生理学中模拟一个六个区块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分析不确定性.
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.
- 这项研究澄清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.
- 额外的物理集成被证明可以增强估计过程,特别是在模型错误规范的情况下.
结论:
- MC X-TFC提供了一种灵活有效的方法来整合数据和物理,以提高估计准确度.
- 该方法为生物和生理模型提供了可靠的不确定性量化,即使数据或模型配方不完美.
- 这项工作有助于开发更可靠的物理信息数字双胞胎,用于医疗保健和生物系统.
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
