文献

J-GLOBAL ID：201902260159933973   整理番号：19A2818225

心血管血流モデリングにおける機械学習:物理学情報化ニューラルネットワークを用いた非侵襲的4DフローMRIデータからの動脈血圧の予測【JST・京大機械翻訳】

Machine learning in cardiovascular flows modeling: Predicting arterial blood pressure from non-invasive 4D flow MRI data using physics-informed neural networks

著者 (6件)： Kissas Georgios (Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania, Philadelphia, PA, USA) ,  Yang Yibo (Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania, Philadelphia, PA, USA) ,  Hwuang Eileen (Department of Bioengineering, University of Pennsylvania, Philadelphia, PA, USA) ,  Witschey Walter R. (Department of Radiology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA) ,  Detre John A. (Department of Neurology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA) ,  Perdikaris Paris (Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania, Philadelphia, PA, USA)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 358  ページ： Null  発行年： 2020年 
JST資料番号： E0856A  ISSN： 0045-7825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 計算科学における進歩は,心血管流とaspの予測モデリングのための原理的なパイプラインを提供し,監視,診断および外科計画のための価値あるツールを提供する。このようなモデルは,現在,全身動脈ネットワークの大きな患者特異的トポロジーに展開され,流れパターン,壁せん断応力,およびパルス波伝搬に関する詳細な予測を再現することができる。しかしながら,それらの成功は,典型的に有意な計算コストを誘導し,それらの臨床的適用性を妨げる面倒な前処理と較正手順に大きく依存している。本研究では,非侵襲的in vivo測定技術のシームレス合成と第一物理原理から導いた計算流れ力学モデルを可能にする機械学習フレームワークを提案した。脈動流の一次元モデルを用いて,それらの予測が質量と運動量原理の保存を満たすような深いニューラルネットワークの出力を制約する方法を示すことにより,この新しいパラダイムを説明した。流れと壁の変位の雑音と散乱の臨床データについて一度訓練されると,これらのネットワークは,従来のシミュレータを使用する必要がなく,速度,圧力,および壁変位パルス波伝搬の物理的に一貫した予測を返すことができる。これらの出力の簡単な後処理は,従来の計算モデルの較正に必要なWindkesselモデルパラメータを推定するための比較的安価で効果的な方法も提供できる。提案した技術の有効性を,一連のプロトタイプベンチマークと,健常人被験者の大動脈/頚動脈分岐近くのin vivo測定を含む現実的な臨床事例を通して実証した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *ネットワーク ,  *モデリング ,  計算モデル ,  パルス ,  *動脈 ,  大動脈 ,  *機械学習 ,  一次元 ,  波動伝搬 ,  ベンチマーク ,  シミュレータ ,  位相幾何学 ,  *ニューラルネットワーク ,  *血流

著者キーワード (5件)： ディープニューラルネットワーク ,  血流モデリング ,  パルス波伝搬 ,  データ駆動モデリング ,  非侵襲診断

分類 (1件)： 構造力学一般  (HD01000X)

タイトルに関連する用語 (11件)： 心血管 ,  血流 ,  モデリング ,  機械学習 ,  物理学 ,  情報化 ,  ニューラルネットワーク ,  非侵襲的 ,  4DフローMRI ,  動脈血圧 ,  予測