基于数据驱动的降阶建模用于含物理与几何参数的患者特异性冠状动脉旁路移植血流动力学
医学物理
2023-08-08 v1
摘要
本工作提出了一种基于机器学习的降阶模型（ROM）的开发，用于研究冠状动脉旁路移植（CABG）患者特异性构型中的血流动力学。计算域指当左主冠状动脉（LMCA）发生狭窄时左冠状动脉分支。该方法通过本征正交分解（POD）算法从一组高保真解中提取降阶基空间，并采用人工神经网络（ANNs）计算模态系数。全阶模型（FOM）由不可压缩 Navier-Stokes 方程表示，采用有限体积（FV）技术离散。同时考虑了物理和几何参数化，前者与入口流量相关，后者与狭窄严重程度相关。相较于以往专注于开发冠心病评估 ROM 框架的工作，我们研究的创新点包括：在患者特异性构型中使用 FV 方法、采用数据驱动 ROM 技术，以及基于自由变形（FFD）技术的网格变形策略。我们从全阶与降阶解之间的误差以及在线阶段获得的加速比两方面分析了 ROM 方法的性能。
引用
@article{arxiv.2203.13682,
title = {Data-driven reduced order modelling for patient-specific hemodynamics of coronary artery bypass grafts with physical and geometrical parameters},
author = {Pierfrancesco Siena and Michele Girfoglio and Francesco Ballarin and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2203.13682},
year = {2023}
}