文献

J-GLOBAL ID：201802287568273850   整理番号：18A0535663

腹部大動脈瘤と頸動脈分岐モデルの予測壁せん断分布のための機械学習アプローチ【Powered by NICT】

Machine Learning Approach for Predicting Wall Shear Distribution for Abdominal Aortic Aneurysm and Carotid Bifurcation Models

著者 (5件)： Jordanski Milos (Faculty of Mathematics, University of Belgrade, Belgrade, Serbia) ,  Radovic Milos (Research and Development Center for Bioengineering BioIRC, Kragujevac, Serbia) ,  Milosevic Zarko (Research and Development Center for Bioengineering BioIRC, Kragujevac, Serbia) ,  Filipovic Nenad (Faculty of Engineering, University of Kragujevac, Kragujevac, Serbia) ,  Obradovic Zoran (Center for Data Analytics and Biomedical Informatics, College of Science and Technology, Temple University, Philadelphia, PA, USA)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 22  号： 2  ページ： 537-544  発行年： 2018年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 有限要素法に基づく計算機シミュレーションを動脈を通るモデル化血流のための強力なツールを代表する。しかし,その計算複雑性のために,結果は急速に必要であるとき,この手法は不適切である可能性がある。計算時間を低減するために,本論文では,壁せん断応力(WSS)分布の計算,アテローム性動脈硬化症の開始と発達に関連した機構において重要な役割を果たす可能性があるのための代替機械学習ベースアプローチを提案した。幾何学的にパラメータ化された腹部大動脈りゅう(AAA)および頚動脈分岐モデルの幾何学的パラメータ,血液密度,動粘度,速度,及び壁せん断応力(WSS)分布の間の関係を把握するために,多変量線形回帰,多層パーセプトロンニューラルネットワークとGauss条件付き確率場(GCRF)を提案した。本論文で得られた結果は,機械学習手法は,異なる心臓サイクル時点でWSS分布を成功裏に予測できることを示した。全ての提案した方法は,WSS予測のための高い可能性を示したが,GCRFは定量(頚動脈分岐モデルのためのAAAモデルと0.946~0.954の0.930~0.948)の最も高い係数空間相関を考慮することの利点を示すを達成した。提案されたアプローチは,WSS分布の実時間計算のための代替法として用いることができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： パラメタリゼーション ,  *動脈 ,  アテローム性動脈硬化症 ,  モデリング ,  心臓 ,  有限要素法 ,  計算量 ,  *剪断 ,  計算機シミュレーション ,  *頚動脈 ,  血流 ,  *予測 ,  *機械学習
準シソーラス用語： 壁剪断応力 ,  *腹部大動脈瘤 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： 腹部大動脈瘤 ,  頸動脈 ,  分岐 ,  モデル ,  予測 ,  せん断 ,  分布 ,  機械学習