用于血管网络中血流输运的反高斯混合模型（MIGHT）
定量方法
2026-02-13 v2 新兴技术
摘要
心血管系统内的合成分子通信（MC）是实现许多愿景中的医疗应用的关键使能技术，包括靶向药物递送、早期疾病检测和持续健康监测。设计此类医疗应用的合成 MC 系统需要适合的模型来描述信号分子通过复杂血管网络（VN）的传播。现有理论模型提供的解析可分析性有限，缺乏闭式解，使得对现实大规模 VN 的分析要么不可行，要么缺乏洞察力。为克服这些限制，本文提出一种新型闭式物理模型，即用于血流输运的反高斯混合模型（Mixture of Inverse Gaussians for Hemodynamic Transport, MIGHT），用于通过复杂 VN 实现信号分子的输运。该模型将接收到的分子通量表示为反高斯分布的加权和，通过 underlying VN 的物理属性进行参数化。我们表明，MIGHT 能够准确地表示信号分子在从简单单输入单输出（SISO）到复杂多输入多输出（MIMO）网络�拓扑的大规模 VN 中的输运动力学。该模型的准确性通过与现有基于卷积的模型和数值有限元仿真结果进行比较进行验证，所有有限元仿真数据均已上传至 Zenodo。此外，我们针对该模型考察了三个应用场景，即将 SISO-VN 降低以获得保留关键输运动力学的简化表示，识别 MIMO-VN 中由多个发射器和多个接收器组成的网络中最重要的分子输运区域，以及估计能够再现未知 SISO-VN 接收信号的代表性 SISO-VN。
引用
@article{arxiv.2510.11743,
title = {Mixture of Inverse Gaussians for Hemodynamic Transport (MIGHT) in Multiple-Input Multiple-Output Vascular Networks},
author = {Timo Jakumeit and Bastian Heinlein and Nunzio Tuccitto and Robert Schober and Sebastian Lotter and Maximilian Schäfer},
journal= {arXiv preprint arXiv:2510.11743},
year = {2026}
}
备注
17 pages, 7 figures; This version is the extended journal version of the previous conference paper