文献

J-GLOBAL ID：202202267138564532   整理番号：22A1090282

心臓電気機械のリアルタイム数値シミュレーションのための機械学習法【JST・京大機械翻訳】

A machine learning method for real-time numerical simulations of cardiac electromechanics

著者 (5件)： Regazzoni F. (MOX - Dipartimento di Matematica, Politecnico di Milano, P.zza Leonardo da Vinci 32, 20133 Milano, Italy) ,  Salvador M. (MOX - Dipartimento di Matematica, Politecnico di Milano, P.zza Leonardo da Vinci 32, 20133 Milano, Italy) ,  Dede’ L. (MOX - Dipartimento di Matematica, Politecnico di Milano, P.zza Leonardo da Vinci 32, 20133 Milano, Italy) ,  Quarteroni A. (MOX - Dipartimento di Matematica, Politecnico di Milano, P.zza Leonardo da Vinci 32, 20133 Milano, Italy) ,  Quarteroni A. (Mathematics Institute, Ecole Polytechnique Federale de Lausanne, Av. Piccard, CH-1015 Lausanne, Switzerland (Professor Emeritus))
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 393  ページ： Null  発行年： 2022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： 一組のパラメータへの依存性を説明する,人間の心臓に対する3D電気機械モデルのダイナミクスを近似する微分方程式のシステムを構築するための機械学習ベースの方法を提案した。特に,著者らの方法は,右手側によって与えられた強制項が人工神経ネットワーク(ANN)から成り,これは,おそらく電気機械的モデルに関連した一連のパラメータに依存する,人工ニューラルネットワーク(ANN)から成る,Ordinary微分方程式(ODE)のシステムとして書かれた,縮小次数モデル(ROM)を作成することを可能にした。この方法は,心臓電気力学の全次数モデル(FOM)から得られた圧力と体積過渡の収集を必要とするので,非侵襲的である。一度訓練されたとき,ANNベースのROMは,元の電気機械的モデルと同じように,心臓に外部の血液循環のための血行力学モデルと結合できるが,劇的に低い計算コストでいる。実際,著者らの方法は,心臓機能のリアルタイム数値シミュレーションを可能にする。結果は,ANNに基づくROMがFOMに関して正確であることを示した(臨床的興味のバイオマーカーに対して10-3と10-2の間の相対誤差)が,非常に小さな訓練データセット(30-40サンプル)を必要とする。心臓モデリングにおける2つの関連コンテキストに対する提案した方法の有効性を実証した。最初に,ANNベースROMを用いて,電気機械モデルと血液動態モデルの両方について大域的感度解析を行った。次に,2つのスカラー出力の雑音測定から始まる2つのパラメータのBayes推定を行った。両事例において,ANNベースのROMと心臓電気力学のFOMを置き換えることは,FOMで行われるならば,それらの圧倒的な計算コストのため,他の非可成り性であるすべての数値シミュレーションを数時間の計算時間で実行することを可能にする。実際,ANNベースROMは数値シミュレーションを3桁以上高速化できる。Copyright 2022 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： *シミュレーション ,  微分方程式 ,  ネットワーク ,  感度解析 ,  *心臓 ,  *電気機械 ,  ニューラルネットワーク ,  モデリング ,  力学モデル ,  三次元 ,  スカラー ,  パラメータ ,  バイオマーカー ,  *機械学習
準シソーラス用語： *数値シミュレーション ,  計算コスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 心臓電気力学 ,  機械学習 ,  次数低減モデリング ,  グローバル感度解析 ,  Bayesパラメータ推定

分類 (2件)： 数値計算  (JE02000J) ,  構造力学一般  (HD01000X)

タイトルに関連する用語 (5件)： 心臓 ,  電気機械 ,  リアルタイム ,  数値シミュレーション ,  機械学習