个性化且不确定性感知的冠状动脉血流动力学模拟：从贝叶斯估计到改进的多保真度不确定性量化
流体动力学
2024-09-05 v1 计算工程、金融与科学
统计理论
计算物理
医学物理
统计理论
摘要
冠状动脉血流动力学模拟相较于仅依赖解剖学影像学，已在临床风险分层和冠状动脉疾病治疗效果方面取得了显著改进。然而，这些模拟通常采用经验方法在冠状动脉树中分配总冠状动脉血流，忽略了患者个体差异、疾病的存在以及其他临床因素。此外，临床数据的不确定性在建模流程中往往未被充分考虑。我们提出了一条面向不确定性的端到端流程，用于（1）通过纳入分支特异的冠状动脉血流及心脏功能，实现冠状动脉血流模拟的个性化；以及（2）在考虑临床数据不确定性的前提下，提高对临床及生物力学感兴趣量的预测精度。我们整合来自CT心肌灌注成像中患者特异的心肌血流测量数据，以估计分支特异的冠状动脉血流。我们采用自适应马尔可夫链蒙特卡洞抽样方法，对模型参数的联合后验分布进行估计，并通过在临床数据中加入模拟噪声来实现。此外，我们提出一种新方法，结合多保真度蒙特卡洞抽样与非线性数据驱动降维，确定感兴趣量的后验预测分布。我们的框架在测量不确定性下，能够再现临床测得的心脏功能及分支特异的冠状动脉血流。与单保真度方法以及现有多保真度蒙特卡洞方法相比，我们对估计的感兴趣量的置信区间显著缩小。这一改进尤其体现在低保真度模型与高保真度模型预测之间相关性有限的感兴趣量上。此外，所提出的估计器在给定置信水平或方差时计算成本显著降低。
引用
@article{arxiv.2409.02247,
title = {Personalized and uncertainty-aware coronary hemodynamics simulations: From Bayesian estimation to improved multi-fidelity uncertainty quantification},
author = {Karthik Menon and Andrea Zanoni and Owais Khan and Gianluca Geraci and Koen Nieman and Daniele E. Schiavazzi and Alison L. Marsden},
journal= {arXiv preprint arXiv:2409.02247},
year = {2024}
}