Apr, 2024

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

PDF
TL;DR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。
microvascular diseasepersistent pulmonary hypertensionchronic thromboembolic pulmonary hypertensioncomputational modelsarterial wall shear stress
发现论文，激发创造
  • Voxel2Hemodynamics：一种端到端的深度学习方法，用于预测冠状动脉血液动力学

    本文提出了一种基于深度学习的框架，利用计算机辅助技术快速准确地进行冠状动脉血液动力学分析， 通过迭代学习算法可以用 CCTA 图像预测冠状动脉的血液动力学分布，并与计算流体动力学分析结果相吻合，为冠状动脉疾病发展的机制揭示提供新思路。

    May, 2023

  • 周围肺动脉狭窄治疗规划的概率神经双胞胎

    通过数据驱动架构和优化技术，在数值血液动力学中，新的突破为快速代理模型提供了克服高保真度模型巨大计算成本的机会，支持实时概率治疗规划。

    Dec, 2023

  • 在数据贫乏情况下重构血流：用高斯过程回归的血管网络内核

    基于物理知识的内核，使用高斯过程回归在数据贫乏情况下实现了接近实时的血流重建，针对缺乏直接测量数据的血管，构建了内核以编码时空和血管之间的相关性，同时满足质量守恒原则，并通过三个测试案例验证了模型的性能。

    Mar, 2024

  • 利用机器学习预测肺动脉高压症的心电图诊断

    这篇研究针对肺动脉高压这一疾病，使用人工神经网络技术，将心电图作为较简易的筛查工具，达到较高的检测准确度，以实现对该疾病的早期诊断和治疗，降低其相关死亡率和发病率。

    Apr, 2023

  • 微通道换热系数预测的机器学习方法

    本文采用多输出高斯过程回归方法，使用 Brunel 二相流数据库中的高保真实验数据来建立微通道中的两相传热系数模型，并提出了改进该模型在外推方面性能的研究方向。

    May, 2023

  • 使用具有高斯过程的潜在力模型研究药物的病人特异性效应

    本研究提出了一种基于多元高斯过程的模型，该模型将包含因特定治疗措施而产生的生理变化的隐式力模型与反映病人生理特征的高斯过程卷积起来，从而能够较准确地预测病人对治疗措施的生理响应。

    Jun, 2019

  • 从临床判断中学习：基于半马尔可夫调制带标记霍克斯过程的风险预测

    该研究发展了一个连续时间概率模型以用于监测危重患者的生理数据，并对这些患者进行风险预测，该模型的预测结果优于目前的医疗风险评分和其他基线机器学习算法。

    May, 2017

  • 使用随机梯度哈密顿蒙特卡罗推断深高斯过程

    本研究使用随机梯度哈密尔顿蒙特卡洛方法对深层高斯过程模型的非高斯后验分布抽样，提供了一种新的推断方法，成为 Deep Gaussian Processes 领域新的最优模型。

    Jun, 2018

  • 利用 MRI、计算机模型和机器学习非侵入性估计肺动脉平均压力

    肺动脉高压是一种严重疾病，其特征为肺动脉压力升高。本文研究了使用磁共振成像、计算机模型和机器学习进行非侵入性肺动脉高压检测的方法。我们通过消融研究表明，基于血液循环模型的物理启发特征工程提高了梯度提升决策树算法在肺动脉高压分类和 mPAP 值回归方面的性能。我们比较了回归（通过阈值估计 mPAP）和分类的结果，并证明了两个实验的指标是可比较的。与分类模型返回的肺动脉高压概率相比，预测的 mPAP 值对于医师来说更具信息价值。它们提供了机器学习模型结果的直观解释（临床医生习惯使用 mPAP 指标，而非肺动脉高压概率）。

    Dec, 2023

  • 疾病进展的时间相关概率生成模型

    医疗记录的时间序列中，通过使用马尔可夫生成模型来建模不规则的时间间隔，将临床治疗的子类型和疾病进展模式从数据中恢复和准确建模。

    Nov, 2023