使用物理信息神经网络定量分析细胞外间隙中的分子输运
人工智能
2024-01-25 v2 机器学习
偏微分方程分析
摘要
大脑细胞外间隙 (ECS) 是位于细胞之间或细胞与血管之间的不规则、极其曲折的纳米级空间，对神经细胞的生存至关重要。它在记忆、情感和感觉等高级大脑功能中发挥着关键作用。然而，ECS 内分子输运的具体形式仍不清楚。为了应对这一挑战，本文提出了一种新方法，通过使用物理信息神经网络 (PINN) 求解由对流-扩散方程 (ADE) 导出的逆问题，来定量分析 ECS 内的分子输运。PINN 为 ADE 提供了一种简化的解决方案，无需复杂的数学公式或网格设置。此外，PINN 的优化有助于自动计算控制长期分子输运的扩散系数和由对流驱动的分子速度。因此，所提出的方法允许通过计算佩克莱特数来定量分析和识别 ECS 内分子输运的具体模式。在两个不同时间点捕获的磁共振图像 (MRI) 数据集上的实验验证展示了所提出方法的有效性。值得注意的是，我们的模拟揭示了代表将示踪剂注入同一大脑区域的大鼠的数据集之间具有相同的分子输运模式。这些发现突显了 PINN 作为全面探索 ECS 内分子输运的有前景工具的潜力。
引用
@article{arxiv.2401.12435,
title = {Quantitative Analysis of Molecular Transport in the Extracellular Space Using Physics-Informed Neural Network},
author = {Jiayi Xie and Hongfeng Li and Jin Cheng and Qingrui Cai and Hanbo Tan and Lingyun Zu and Xiaobo Qu and Hongbin Han},
journal= {arXiv preprint arXiv:2401.12435},
year = {2024}
}