System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及计算机程序和系统领域,更具体地说,涉及一种用于预测患者的血管行为,特别是血液动力学行为的方法、系统和程序。
技术介绍
1、医疗保健行业市场上提供了许多系统和程序来支持医疗保健专业人员对患者进行诊断、介入计划和/或随访。此类提供的系统和程序(也称为医疗保健软件解决方案)是为模拟和医疗培训、医疗研究、医疗诊断、医疗数据库存储和/或医疗设备计划而开发的。虚拟或等效的数字孪生属于此类提供的系统和程序。虚拟孪生提供患者(“物理孪生”)的虚拟表示(即“数字孪生”)。这种虚拟孪生是根据患者数据生成的,并根据基于物理的模拟的集合实时更新患者变量和环境变量。虚拟孪生寻求匹配患者解剖和生理特征的临床测量结果,为每位患者提供个性化且可靠的模型。
2、根据以下文献,市场上已经提供了一些基于虚拟孪生的解决方案:
3、[1]boileau,etienne,perumal nithiarasu,pablo j.blanco,lucas o.müller,fredrik eikeland fossan,leif rune hellevik,wouter p.donders,wouter huberts,marie willemet,and jordi alastruey.“a benchmark study of numerical schemesfor one-dimensional arterial blood flow modelling.”international journal fornumerical metho
4、[2]shi,yubing,patricia lawford,and rodney hose.“review of zero-dand1-d models of blood flow in the cardiovascular system.”biomedical engineeringonline 10,no.1(april 26,2011):33;
5、[3]lal,rajnesh.“data assimilation and uncertainty quantification incardiovascular biomechanics.”phd thesis,universitémontpellier,2017;
6、[4]lombardi,d.“reduced order modelling for direct and inverseproblems in hemodynamics.”roms for the biomechanics of living organs,hal-03783921;
7、[5]tezzele,marco,francesco ballarin,and gianluigi rozza.“combinedparameter and model reduction of cardiovascular problems by means of activesubspaces and pod-galerkin methods,”16:185-207,2018;
8、[6]tobias,gabriele santin,bernard haasdonk,and rainer helmig.“numerical modelling of a peripheral arterial stenosis using dimensionallyreduced models and kernel methods.”international journal for numericalmethods in biomedical engineering 34,no.8(august 2018);
9、[7]fresca,stefania,and andrea manzoni.“real-time simulation ofparameter-dependent fluid flows through deep learning-based reduced ordermodels.”fluids 6,no.7(july 18,2021):259;
10、[8]saito,m.,ikenaga,y.,matsukawa,m.,watanabe,y.,asada,t.,&lagree,p.y.(2011).one-dimensional model for propagation of a pressure wave in a model ofthe human arterial network:comparison of theoretical and experimentalresults.journal of biomechanical engineering;
11、[9]lombardi,d.“inverse problems in 1d hemodynamics on systemicnetworks:a sequential approach:unscented kalman filter estimation of networkparameters.”international journal for numerical methods in biomedicalengineering 30,no.2(february 2014):160-79;以及
12、[10]alessandro melis.“gaussian process emulators for 1d vascularmodels”.phd thesis.university of sheffield,2017。
13、这些解决方案要么需要耗费大量计算机资源(例如cpu周期、内存等)进行模拟,要么无法根据患者的解剖和生理特征进行有效校准,从而导致相应虚拟孪生的输出结果无法可靠地匹配患者的临床测量结果。
14、在此背景下,仍然需要改进的用于预测患者的血管行为、特别是血液动力学行为的方法。
技术实现思路
1、因此,提供了用于预测患者的血管行为、特别是血液动力学行为的计算机实现方法。该方法包括提供循环系统的血管模型,所述循环系统包括形成血管图的多条血管,所述血管模型包括多个生理参数,所述血管模型表示一般血管行为,所述血管模型包括多个子模型,多个子模型中的每个子模型包括所述多个生理参数的子集,多个子模型中的每个子模型分别对应所述多条血管中的一条血管。该方法还包括提供患者的血管行为的一个或多个测量结果以及包括人工神经网络的替代模型。所述替代模型被配置为根据所述多个生理参数预测血管行为的模拟。该方法还包括使用所述替代模型并基于所述一个或多个测量结果来校准所述血管模型;本文档来自技高网...
【技术保护点】
1.一种用于预测患者的血管行为、特别是血液动力学行为的计算机实现方法,所述方法包括:
2.根据权利要求1所述的方法,其中,所述替代模型包括多个(N个)人工神经网络,所述多个人工神经网络中的每个人工神经网络分别对应所述多条血管中的一条血管,所述多个人工神经网络按照所述血管图彼此连接。
3.根据权利要求1至2任一项所述的方法,其中,所述校准所述血管模型包括:
4.根据权利要求3所述的方法,其中,在所述提供逆向人工神经网络之前,所述方法包括训练所述逆向人工神经网络;所述训练包括:
5.根据权利要求3至4中任一项所述的方法,其中,所述逆向人工神经网络包括:
6.根据权利要求3至5中任一项所述的方法,其中,所述基于所述数据集训练所述逆向人工神经网络包括:最小化以下之间的第一差异:
7.根据权利要求3至6中任一项所述的方法,其中,所述基于所述数据集训练所述逆向人工神经网络包括:最小化以下之间的第二差异(||NNinv(d)-p||):
8.根据权利要求1至7中任一项所述的方法,其中,所述生理参数包括以下至少一
9.根据权利要求1至8中任一项所述的方法,其中,使用所述校准的血管模型来预测所述血管行为包括:
10.根据权利要求1至9中任一项所述的方法,其中,所述方法还包括:在提供所述替代模型之前,训练所述替代模型,所述训练所述替代模型包括:
11.根据权利要求10所述的方法,其中,所述方法还包括:形成所提供的训练集;其中,形成所提供的训练集包括:
12.一种权利要求1至11中任一项所述的计算机实现方法的使用方法,所述使用方法包括:
13.一种逆向人工神经网络,经过训练以在给定患者的血管行为的一个或多个测量结果的情况下预测所述患者的生理参数;可选地,所述逆向人工神经网络根据权利要求3至11中任一项进行训练。
14.一种计算机程序,包括用于执行根据权利要求1至11中任一项所述的方法和/或根据权利要求12所述的使用方法的指令。
15.一种计算机可读存储介质,其上记录有根据权利要求14所述的计算机程序和/或根据权利要求13所述的经过训练的逆向人工神经网络。
16.一种计算机系统,包括耦合到存储器的处理器和图形用户界面,所述存储器上记录有如权利要求14所述的计算机程序。
...【技术特征摘要】
1.一种用于预测患者的血管行为、特别是血液动力学行为的计算机实现方法,所述方法包括:
2.根据权利要求1所述的方法,其中,所述替代模型包括多个(n个)人工神经网络,所述多个人工神经网络中的每个人工神经网络分别对应所述多条血管中的一条血管,所述多个人工神经网络按照所述血管图彼此连接。
3.根据权利要求1至2任一项所述的方法,其中,所述校准所述血管模型包括:
4.根据权利要求3所述的方法,其中,在所述提供逆向人工神经网络之前,所述方法包括训练所述逆向人工神经网络;所述训练包括:
5.根据权利要求3至4中任一项所述的方法,其中,所述逆向人工神经网络包括:
6.根据权利要求3至5中任一项所述的方法,其中,所述基于所述数据集训练所述逆向人工神经网络包括:最小化以下之间的第一差异:
7.根据权利要求3至6中任一项所述的方法,其中,所述基于所述数据集训练所述逆向人工神经网络包括:最小化以下之间的第二差异(||nninv(d)-p||):
8.根据权利要求1至7中任一项所述的方法,其中,所述生理参数包括以下至少一个或多个:
9.根据权利要求...
【专利技术属性】
技术研发人员:M·本麦迪,E·赫尔曼,H·莱波斯,
申请(专利权)人:达索系统公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。