一种用于全周期左心室肌肤生物力学的循环一致性图基代理模型
机器学习
2026-02-09 v1
摘要
基于图像的患者特异性左心室（LV）力学仿真对于理解心脏功能和支持临床干预规划具有重要价值，但常规有限元分析（FEA）计算密集。现有图基代理模型缺乏全周期预测能力，物理信息神经网络在复杂心脏几何结构上往往难以收敛。我们提出了 CardioGraphFENet（CGFENet），一个用于快速全周期估计 LV 肌肤生物力学的统一图基代理模型，由大规模 FEA 模拟数据监督。该模型集成了（i）基于弱形式启发的全局-局部图编码器以捕获网格特征并实现全局耦合，（ii）基于门控循环单元的时序编码器，依据目标体积-时间信号建模周期一致的动力学，以及（iii）在单一框架内实现加载和逆卸载的循环一致性双向表述。这些策略使模型在与传统 FEA 基准结果的 fidelity 上达到高水平，生成与 FEA 结果相符的生理学可信压力-体积循环，并可与浆胞参数模型耦合。特别是，循环一致性策略显著减少 FEA 监督，仅造成最小精度损失。
引用
@article{arxiv.2602.06884,
title = {A Cycle-Consistent Graph Surrogate for Full-Cycle Left Ventricular Myocardial Biomechanics},
author = {Siyu Mu and Wei Xuan Chan and Choon Hwai Yap},
journal= {arXiv preprint arXiv:2602.06884},
year = {2026}
}