支架内再狭窄多尺度模型的非侵入与半侵入不确定性量化
统计计算
2021-11-11 v2 计算物理
摘要
本文给出了一个支架内再狭窄多尺度模型响应的不确定性估计，该估计通过非侵入与半侵入不确定性量化两种方法获得。该支架内再狭窄模型是术后组织生长的全耦合多尺度仿真，其中计算代价最高的子模型是血流仿真。用于非侵入不确定性量化的代理模型将整个模型视为黑箱，并将三个不确定输入直接映射到关注量——新生内膜面积。相应的不确定估计与准蒙特卡洛仿真结果吻合良好。在半侵入不确定性量化中，最昂贵的子模型被代理模型替代。我们利用卷积神经网络为血流仿真开发了代理模型。结合新代理模型的半侵入方法在保持较高精度的同时，给出了高效的不确定性与灵敏度估计。其优于早先代理模型所得结果，也以相近效率达到了与非侵入方法可比的估计。所呈现的基于非侵入与半侵入元建模方法的不确定性传播结果，使我们能就这些方法的优势与局限得出若干结论。
引用
@article{arxiv.2009.00354,
title = {Non-intrusive and semi-intrusive uncertainty quantification of a multiscale in-stent restenosis model},
author = {Dongwei Ye and Anna Nikishova and Lourens Veen and Pavel Zun and Alfons G. Hoekstra},
journal= {arXiv preprint arXiv:2009.00354},
year = {2021}
}