基于物理信息神经网络的三维参数化心脏电生理模拟
计算工程、金融与科学
2025-06-19 v1 计算物理
摘要
物理信息神经网络（PINNs）在多个科学领域广泛用于表示各种物理系统。心脏电生理亦可。其中，完全连接的神经网络（FCNN）已被用于预测遵循两参数现象学 Aliev-Panfilov（AP）模型的 2D 空间中动作电位的演化。在本文中，研究 PINNs 的训练行为，以确定预测 AP 模型下心肌电生理活动的 optimal hyperparameters，包括边界和材料参数。采用一种采用其强形式的偏微分方程，并与网络输入的归一化一致缩放的 FCNN 架构。有限元（FE）方法用于生成网络的训练数据。使用训练好的模型生成具有不同空间维度和参数化的 numerical examples。将网络预测的场用于动作电位和恢复变量与相应的 FE 模拟进行比较。对网络损失进行加权以单个标量值。研究其对训练和预测的影响，以确定一种控制训练期间损失的方法。
引用
@article{arxiv.2506.15405,
title = {Simulation of parametrized cardiac electrophysiology in three dimensions using physics-informed neural networks},
author = {Roshan Antony Gomez and Julien Stöcker and Barış Cansız and Michael Kaliske},
journal= {arXiv preprint arXiv:2506.15405},
year = {2025}
}