从稀疏的数据中重建大脑血液动力学,使用神经操作器转换器.
Wojciech Kaczmarek1, Jakub Magdziarz Ibrahim-El-Nur1, Magdalena Łoś1
1Department of Social Medicine and Public Health of Medical University of Warsaw, Pawińskiego 3a, Warsaw, 02-106, Poland.
Computers in biology and medicine
|June 24, 2025
概括
一个新的计算框架使用神经运算符来准确地模拟威利斯圆圈中的大脑血流. 这种方法可以实现快速的实时分析,以改善脑血管疾病的诊断.
科学领域:
- 计算流体动力学 计算流体动力学
- 大脑血管血液动力学
- 医学中的人工智能
背景情况:
- 心血管疾病需要先进的方法来分析大脑血液动力学.
- 威利斯圆的当前计算模型由于准确性和速度限制而缺乏实时临床适用性.
研究的目的:
- 开发一种新的计算框架,以准确和快速地重建大脑血液动力学.
- 为了实现实时推断对象特定的边界条件,以实现个性化的脑血管诊断.
主要方法:
- 整合一个1D减少顺序血流模型与通用神经操作员转换器和变异自编码神经操作员架构.
- 通过有限元模拟生成合成数据,用于训练神经操作员.
- 对血液动力学重建和适应性网格搜索的逆流程的应用,用于边界条件估计.
主要成果:
- 替代模型在威利斯圆的主要船只的速度和面积预测中实现了<1%的平均相对误差.
- 从稀疏的测量中重建整个网络的全球误差约为3.3%.
- 适应性边界条件估计准确地重现了出口压力,促进了具体情况的校准.
结论:
- 基于神经操作员的框架从有限的数据提供了快速而准确的脑血液动力学重建.
- 这种方法在脑血管诊断中具有实时临床集成和个性化数字双胞胎工作流的巨大潜力.
