一个 for 循环足矣：用于个性化肿瘤生长建模中的逆问题求解
计算工程、金融与科学
2022-07-12 v3
摘要
求解逆问题是评估物理模型描述真实现象能力的关键步骤。在医学图像计算中，它对应于基于图像的模型个性化这一经典主题。传统上，该问题的解通过执行基于采样或变分推断的方法获得。这两种方法都旨在确定一组自由物理模型参数，使仿真最佳匹配经验观测。当应用于脑肿瘤建模（医学图像计算中基于图像的模型个性化实例之一）时，这些方法的普遍缺陷是寻找这样一组参数的时间复杂度。在成像与诊断甚至干预之间时间有限的临床环境中，该时间复杂度可能至关重要。正如定量科学的历史即压缩的历史，我们在本文中顺应这一历史趋势，提出一种将求解逆问题的复杂传统策略压缩为简单数据库查询任务的方法。我们评估了执行数据库查询任务的不同方式，权衡精度与执行时间。在脑肿瘤生长建模这一示例任务上，我们证明所提方法相比现有逆问题求解方法实现了一个数量级的加速。所得计算时间为依赖更复杂因而更真实的模型、将图像预处理与逆建模更深层次集成、或将该当前模型植入临床工作流提供了关键手段。
引用
@article{arxiv.2205.04550,
title = {A for-loop is all you need. For solving the inverse problem in the case of personalized tumor growth modeling},
author = {Ivan Ezhov and Marcel Rosier and Lucas Zimmer and Florian Kofler and Suprosanna Shit and Johannes Paetzold and Kevin Scibilia and Leon Maechler and Katharina Franitza and Tamaz Amiranashvili and Martin J. Menten and Marie Metz and Sailesh Conjeti and Benedikt Wiestler and Bjoern Menze},
journal= {arXiv preprint arXiv:2205.04550},
year = {2022}
}