May, 2024

基于数据驱动的机械循环支持模拟器与领域对抗神经过程

PDF
TL;DRMechanical Circulatory Support (MCS) devices are enhanced using a neural process architecture called Domain Adversarial Neural Process (DANP), which combines simulation data with real-world observations to provide a more realistic and diverse representation of potential outcomes, resulting in improved non-stationary trend prediction by 19% for clinicians to make informed decisions regarding MCS patient treatment.
mechanical circulatory supportprobabilistic deep sequence modelneural process architecturedomain adversarial trainingnon-stationary trend prediction
发现论文，激发创造
  • 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

  • 深度神经网络模型预测控制框架介绍及快速控制器实现

    基于深度神经网络的非线性模型预测控制（MPC）在同质压燃点火（HCCI）燃烧控制方面的实验实施结果良好，具有优秀的 IMEP 轨迹跟踪性能和过程约束的观测情况。

    Oct, 2023

  • 一种用于模拟临床决策的人工智能框架：马尔可夫决策过程方法

    为了应对医疗保健系统的成本和复杂度飞速增长、治疗方案不断增多以及信息传达不畅等问题，本文提出了一个通用的计算机 / 人工智能（AI）框架。 该框架结合了马尔可夫决策过程和动态决策网络，从临床数据中学习并制定综合的多方案规划，以优化患者治疗方案和促进患者康复，相较传统医疗保健方式大幅提高了患者康复率并降低了治疗成本。

    Jan, 2013

  • 使用高斯过程模拟的马尔可夫链蒙特卡洛方法用于慢性血栓性肺动脉高压的 1D 血液动力学模型

    使用个体化计算模型和高斯过程，通过大型动物模型的回顾性数据来进行快速、个体化校准，预测慢性血栓栓塞性肺动脉高压中微血管功能和动脉壁剪切应力的变化。

    Apr, 2024

  • 一种具有对抗去噪扩散模型的领域翻译框架，用于生成心脏超声图像的合成数据集

    利用对抗去噪扩散模型和生成对抗网络，训练出具有高泛化能力的生成模型，实现医学图像域转换，生成适用于临床研究目的的超声心动图像。

    Mar, 2024

  • 扩散增强神经过程

    基于扩散的方法能够通过对加噪数据集进行条件化，解决了当前神经过程模型中存在的一些限制，并且在性能上超越了目前的最先进技术。

    Nov, 2023

  • 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

  • 自适应压力测试模拟中的有效自主验证

    为了解决使用 DRL solver 的这两个主要问题，我们使用了循环神经网络，该神经网络具有连续空间中的一组初始条件，并且可以跨越整个初始条件空间进行推广，从而使得解决方案具有鲁棒性和高效性。

    Jul, 2019

  • 基于图表示的患者医疗状况预测：朝向数字孪生

    本文提出了一个框架，将 AI 算法和数学建模相结合，以提供全面的生理条件视图，并展示了整体有机体概率模拟和分子数据驱动的临床模型集成的潜力，这有助于解决将多尺度计算模型与 AI 相结合的重要技术挑战，从而实现了医疗保健的数字孪生兄弟的目标。

    Sep, 2020

  • 基于深度学习的离散校准生存预测

    使用离散计算生存（DCS）方法的深度神经网络，通过优化未进行 censored 处理的患者数据和变量时间输出节点间距等两个新特性，在医学数据集上实现了最优的校准效果，并在区分方面优于其他竞争模型，这是深度学习在临床生存预测中具有最先进的性能指标的重要一步。

    Aug, 2022