Apr, 2024

个性化被动心脏力学优化框架

PDF
TL;DR个性化心脏力学建模是理解心脏在健康和疾病中的生物力学以及辅助治疗规划的强大工具。本研究引入了反向有限元分析（iFEA）框架，利用时变的医学图像数据估计心脏组织的被动力学特性。
personalized cardiac mechanics modelinginverse finite element analysispassive mechanical propertiesmyocardial mechanicssensitivity analysis
发现论文，激发创造
  • HyPer-EP: 个性化混合模型的元学习在心脏电生理方面的应用

    通过物理基础模型和深度学习方法的结合，本文提出了一种新的混合建模框架来描述个性化的心脏数字孪生，在两个实例和合成实验的证明下，展示了这种混合建模框架的可行性和广泛适用性。

    Mar, 2024

  • 软组织非线性生物力学模型中的物质特性基于物理知识的神经网络估计

    基于物理信息神经网络（PINNs）与三维柔性组织非线性生物力学模型的结合，本研究提出了一种新的方法，能够重建位移场并估算异质病人个体的生物物理特性，通过在临床环境中常规获取的有限位移和应变数据，结合问题的物理性质和偏微分方程的数学模型，提高问题的稳定性和收敛性能，进而在疾病诊断等方面发展个性化的模拟模型，并演示了 PINN 能够检测瘢痕组织的存在、位置和严重程度的能力。

    Dec, 2023

  • 从表面心电图中数字化心脏电生理模型的测地背向传播方法

    通过匹配临床记录和基于 eikonal 的心电图 (ECG)，我们引入了一种名为 Geodesic-BP 的新方法来解决逆 eikonal 问题，该方法非常适用于 GPU 加速的机器学习框架，可以优化 eikonal 方程的参数以重现给定的 ECG。我们展示了 Geodesic-BP 在合成测试案例中能够在模型不准确的情况下准确重建模拟的心脏激活，并将我们的算法应用于公开可用的兔子模型数据集，取得了非常积极的结果。鉴于未来朝向个体化医疗的转变，Geodesic-BP 有潜力在满足临床时间约束条件的同时保持先进心脏模型的生理准确性，从而有助于未来心脏模型的功能化。

    Aug, 2023

  • 学习物理知识驱动的软体机器人操作仿真模型：以电致弹性体致动器为例的案例研究

    本研究提出了一种基于不同 iable simulator 的软致动器物理可行模型的训练方法，其通过与有限元方法结合来实现闭环控制，基于该模型构建 MPC 控制器，实现对硬币的拉动并获得了低于 5％的仿真误差。

    Feb, 2022

  • 一种基于生成模型的框架，用于推断生物力学材料本构定律家族在数据稀疏区的应用

    本文提出了一种结合生成式深度学习和贝叶斯推断的新方法，用于在数据稀疏的情况下，高效地推断出构成关系的家族，并在老鼠主动脉的数据上验证了该方法的准确性和可行性。

    May, 2023

  • 通过学习压缩的有限元模型进行软体机器人的直接和逆向建模

    基于学习的方法提出了一种紧凑但足够丰富的力学表示，通过 FEM 模型的压缩获得非线性可变性数据，在模型化中非常高效，并能够推导出机器人的正向和逆向运动学。

    Jul, 2023

  • 通过自由形变学习进行基于图像的计算模拟的全心网格生成

    通过深度学习重建心脏组织模型可以用于计算心脏病理生理学，从而指导诊断和个性化治疗，该模型可以高效地用于计算流体力学模拟。

    Jul, 2021

  • Swin UNETR 与统计形状建模的集成用于膝盖的半自动分割和关节软骨的生物力学建模

    本研究通过使用半自动分割算法来增强个体化膝关节有限元（FE）建模，结果表明该分割算法能够有效地创建准确的膝关节有限元模型。

    Sep, 2023

  • 映射微结构的弹性特性到机械变形的有限算子学习技术

    为了开发更快速解决固体力学中的物理方程的求解器，我们引入了一种参数化学习力学平衡解的方法，该方法在计算成本方面优于传统方法，同时可接受地保持准确性。此方法具体应用于微机械学，在微观结构中知道微观力学解，即给定异质微结构的变形和应力场，非常重要。我们的研究表明，基于物理的训练方法在未知微结构上相较于纯数据驱动方法具有更高的准确性。

    Mar, 2024

  • 使用潜变量神经常微分方程进行实时全心脏电机模拟

    本文提出了一种基于 LNODEs 的心脏数字孪生代理模型，并且使用全局敏感度分析和鲁棒参数估计，实现了未知时间系列的模拟和参数校准。

    Jun, 2023