用于预测烧伤后收缩的深层算子网络模型
数值分析
2024-11-25 v1 机器学习
数值分析
生物物理
组织与器官
摘要
烧伤损伤是全球健康面临的重大挑战。最严重的长期后果之一是关节紧张，这可能导致功能受损和变形。理解和预测烧伤伤口演化对于 developing 有效的治疗策略至关重要。传统数学模型虽然准确，但往往计算昂贵且耗时，限制了其实际应用。近期在机器学习领域，特别是深度学习方面的进展为加速这些预测提供了有前景的替代方案。本研究探讨了使用深层算子网络（DeepONet），即一种神经算子，作为有限元仿真的替代模型，用于预测跨多个伤口形状的烧后收缩。我们在三个不同的初始伤口形状上训练了DeepONet，并通过纳入初始伤口形状信息并应用正弦数据增强来强制执行边界条件来增强该架构。对训练好的DeepONet进行了在包括基于三个基本伤口形状的凸组合的测试集上的评估。该模型获得了 为 的得分，表明其具有强大的预测准确性和泛化能力。此外，该模型在最长可达一年的时间段内提供了可靠预测，CPU上实现了最高可达128倍，GPU上实现了最高可达235倍的加速速度，这与数值模型相比。这些发现表明，DeepONet可以有效地作为传统有限元方法在模拟烧后伤口演化方面的替代方案，有潜在的医疗治疗计划应用前景。
引用
@article{arxiv.2411.14555,
title = {Deep operator network models for predicting post-burn contraction},
author = {Selma Husanovic and Ginger Egberts and Alexander Heinlein and Fred Vermolen},
journal= {arXiv preprint arXiv:2411.14555},
year = {2024}
}