面向不完整数据集中心脏-脑相互作用模拟的联合数据插补与机理建模
机器学习
2025-09-18 v3 人工智能
机器学习
摘要
在临床研究中，机理模型的应用受限于缺乏代表不同解剖与生理过程的多模态患者数据。例如，神经影像数据集未充分表征心脏特征，难以用于脑疾病中心血管因素的建模。为解决此问题，我们引入一种概率框架，用于联合心脏数据插补与心血管机理模型个性化，并应用于心脏数据不完整的脑研究。我们的方法基于变分框架，联合推断由可用特征得到心脏信息的插补模型，以及能够忠实再现个性化心血管动力学的高斯过程模拟器。在 UK Biobank 上的实验结果表明，我们的模型能在仅含极少心脏信息（例如仅收缩期与舒张期血压）的数据集中准确插补缺失心脏特征，同时联合估计集总模型的模拟参数。这使得通过模拟对应于不同脑解剖条件的真实心脏动力学，得以新颖地探索心-脑联合关系。
引用
@article{arxiv.2010.01052,
title = {Joint data imputation and mechanistic modelling for simulating heart-brain interactions in incomplete datasets},
author = {Jaume Banus and Maxime Sermesant and Oscar Camara and Marco Lorenzi},
journal= {arXiv preprint arXiv:2010.01052},
year = {2025}
}