面向个体血流与活动的图神经网络流引导定位方法定制

利用体内纳米器件在血流中的流引导定位有望用于早期疾病检测、生物状态的持续监测以及靶向治疗。纳米器件面临尺寸和功耗限制，会产生用于定位的误差较大的原始数据。体表锚点接收这些数据，并利用其推导感兴趣诊断事件的位置。不同的机器学习（ML）方法最近已被提出用于此任务，但目前仅限于静息患者的参考血流。因此，它们无法处理患者血流之间的物理差异，也无法因个体患者活动的变化而提供持续监测。为解决当前基于图神经网络（GNN）的流引导定位方法的这些问题，我们提出了一种基于个体生理指标（包括身高、体重和心率）的GNN适应流程。结果表明，所提出的适应方法有助于协调血流和活动之间的个体差异。