InVAErt 网络用于集中参数血流动力学模型的摊销推理与可辨识性分析
数值分析
2024-08-16 v1 人工智能
计算工程、金融与科学
机器学习
数值分析
摘要
从电子健康记录（EHR）估计心血管模型参数面临重大挑战，主要由于可辨识性的缺乏。结构性不可辨识性发生在参数空间中的流形映射到共同输出时，而实际不可辨识性可能由于数据有限、模型错误设定或噪声干扰而产生。为解决由此产生的不适定逆问题，基于优化或贝叶斯推断的方法通常使用正则化，从而限制了发现多个解的可能性。在本研究中，我们使用 inVAErt 网络——一种基于神经网络的数据驱动框架，用于增强刚性动力系统的数字孪生分析。我们展示了 inVAErt 网络在生理反演中的灵活性和有效性，具体针对一个六集中参数血流动力学模型，从合成数据到具有缺失分量的真实数据。
引用
@article{arxiv.2408.08264,
title = {InVAErt networks for amortized inference and identifiability analysis of lumped parameter hemodynamic models},
author = {Guoxiang Grayson Tong and Carlos A. Sing Long and Daniele E. Schiavazzi},
journal= {arXiv preprint arXiv:2408.08264},
year = {2024}
}