基于模拟的推断,用于对中耳有限元模型进行特定主体调整,以实现个性化的客观诊断
Hamid Motallebzadeh1,2, Michael Deistler3,4, Florian M Schönleitner5
1Department of Communication Sciences and Disorders, California State University, Sacramento, CA, USA. h.motallebzadeh@csus.edu.
Scientific reports
|November 3, 2025
概括
基于模拟的推断 (SBI) 与神经后部估计 (NPE) 有效地调整使用模拟数据的计算模型. 这种方法提供参数的概率分布,通过捕捉实验变异性来实现个性化诊断和治疗.
科学领域:
- 计算建模计算建模
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
背景情况:
- 有限元素 (FE) 模型对于解释实验数据至关重要,但将它们调整为许多参数是具有挑战性的.
- 传统的灵敏度分析耗时,可能无法捕捉实验变异性或提供患者特定的参数.
研究的目的:
- 开发和应用基于模拟的推断 (SBI) 使用神经后部估计 (NPE) 调整人类中耳FE模型.
- 通过考虑噪声和变异性,使特定主体的计算推断和个性化诊断成为可能.
主要方法:
- 应用SBI与NPE调整人类中耳FE模型.
- 创建了一个训练数据集,包括10,000个FE模拟与不同的参数值.
- 使用神经网络 (NN) 学习参数与模拟结果之间的关联.
主要成果:
- 该NN成功地学习了参数-结果关联,为FE参数提供了概率分布.
- 该方法考虑了噪声和测试-重新测试的变化,同时适应三个实验数据集.
- 推断参数分布促进了个性化的差异推断用于诊断.
结论:
- SBI提供了一个客观的替代方案,用于计算模型调整的灵敏度分析.
- 该方法通过发现参数相互作用来支持个性化的诊断和治疗.
- 这种方法增强了计算模型,以改善患者的治疗结果,并且适用于各种领域.
