用于pVAD搏动控制的LSTM-Transformer模型
医学物理
2025-03-11 v1 人工智能
机器学习
摘要
方法：提出了一种用于pVAD搏动的方法（AP-pVAD模型）。AP-pVAD模型由两部分组成：NPQ模型和LSTM-Transformer模型。（1）NPQ模型确定pVAD电机转速、压力和流量之间的数学关系。（2）将Transformer神经网络的注意力模块集成到LSTM神经网络中，形成新的LSTM-Transformer模型，用于预测搏动时间特征点，以调节pVAD的电机转速。结果：AP-pVAD模型在三次水力实验和一次动物实验中得到了验证。（1）使用NPQ模型计算的pVAD提供的压力与预期值相比，最大误差仅为2.15 mmHg。（2）LSTM-Transformer模型预测的搏动时间特征点显示最大预测误差为1.78ms，显著低于其他方法。（3）动物实验中pVAD的体内测试在主动脉压力方面有显著改善。动物在pVAD开始运行后存活超过27小时。结论：（1）对于给定的pVAD，电机转速与压力呈线性关系，与流量呈二次关系。（2）深度学习可用于预测搏动特征时间点，其中LSTM-Transformer模型在数据集规模有限、噪声水平升高和超参数组合多样的条件下表现出最小的预测误差和更好的鲁棒性能，证明了其可行性和有效性。
引用
@article{arxiv.2503.07110,
title = {A LSTM-Transformer Model for pulsation control of pVADs},
author = {Chaoran E and Chenghan Chen and Yuyang Shi and Haiyun Wang and Peixin Hua and Xiwen Zhang},
journal= {arXiv preprint arXiv:2503.07110},
year = {2025}
}