面向三维血流动力学模拟中不确定性传播的双保真代理建模方法

基于图像的计算流体动力学（CFD）建模能够推导血流动力学信息，已成为心血管研究与医疗中的范式。然而，预测精度在很大程度上依赖于精确指定的边界条件与模型参数，而在大多数患者特异性病例中这些往往是不确定的。量化由输入随机性引起的模型预测不确定性可提供预测置信度，并对推动CFD建模在临床应用中的转化至关重要。同时，输入不确定性的前向传播常涉及大量昂贵的CFD模拟，在大多数实际场景中计算上难以承受。本文提出了一种高效的双保真代理建模框架，用于心血管模拟中的不确定性量化（UQ），其利用了高保真模型的精度与低保真模型的效率。与多数具有若干标量感兴趣量的数据拟合代理模型不同，本工作旨在提供高分辨率全场预测。此外，引入了一种新颖的经验误差界估计方法，以先验评估代理模型的性能。所提框架在具有标准化及患者特异性血管几何的多个血流算例上进行了测试，并研究了高保真与低保真模型的不同组合。结果表明，双保真方法能以显著的计算成本降低实现高预测精度，展现出其优势与有效性。特别地，在患者特异性病例中，仅使用有限数量的高保真模拟即可将高维输入空间的不确定性准确传播至临床相关感兴趣量，表明其在实际临床应用中的良好潜力。