基于深度学习的心血管血流动力学参数反演

R318.01; 考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的多尺度血流动力学模型;随后基于卷积神经网络和全连接神经网络提出一种用于参数反演的混合多源输入深度网络模型;针对测量波形中的噪声干扰问题,提出一种同时利用多个深度网络的集成网络模型以提高反演精度.在参数灵敏度分析的基础上,对所提方法进行参数反演实验,研究在不同噪声水平下的反演精度,并与卡尔曼滤波法进行比较.结果表明,血压与血流波形的预测误差显著低于已有方法.所提方法能够准确高效地实现心血管模型参数反演,具有较好的应用前景....

Full description

Saved in:
Bibliographic Details
Published in东南大学学报（自然科学版） Vol. 52; no. 2; pp. 394 - 401
Main Authors 周阳, 潘怡, 崔畅, 陈明龙, 孙蓓蓓
Format Journal Article
LanguageChinese
Published 东南大学机械工程学院,南京211189%南京医科大学第一附属医院心血管内科,南京210029 20.03.2022
Subjects
心血管;血流动力学;参数反演;深度学习;集成网络模型
Online AccessGet full text
ISSN1001-0505
DOI10.3969/j.issn.1001-0505.2022.02.023

Cover

Abstract R318.01; 考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的多尺度血流动力学模型;随后基于卷积神经网络和全连接神经网络提出一种用于参数反演的混合多源输入深度网络模型;针对测量波形中的噪声干扰问题,提出一种同时利用多个深度网络的集成网络模型以提高反演精度.在参数灵敏度分析的基础上,对所提方法进行参数反演实验,研究在不同噪声水平下的反演精度,并与卡尔曼滤波法进行比较.结果表明,血压与血流波形的预测误差显著低于已有方法.所提方法能够准确高效地实现心血管模型参数反演,具有较好的应用前景.
AbstractList R318.01; 考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的多尺度血流动力学模型;随后基于卷积神经网络和全连接神经网络提出一种用于参数反演的混合多源输入深度网络模型;针对测量波形中的噪声干扰问题,提出一种同时利用多个深度网络的集成网络模型以提高反演精度.在参数灵敏度分析的基础上,对所提方法进行参数反演实验,研究在不同噪声水平下的反演精度,并与卡尔曼滤波法进行比较.结果表明,血压与血流波形的预测误差显著低于已有方法.所提方法能够准确高效地实现心血管模型参数反演,具有较好的应用前景.
Author 周阳
陈明龙
崔畅
潘怡
孙蓓蓓
AuthorAffiliation 东南大学机械工程学院,南京211189%南京医科大学第一附属医院心血管内科,南京210029
AuthorAffiliation_xml – name: 东南大学机械工程学院,南京211189%南京医科大学第一附属医院心血管内科,南京210029
Author_FL Cui Chang
Chen Minglong
Sun Beibei
Zhou Yang
Pan Yi
Author_FL_xml – sequence: 1
  fullname: Zhou Yang
– sequence: 2
  fullname: Pan Yi
– sequence: 3
  fullname: Cui Chang
– sequence: 4
  fullname: Chen Minglong
– sequence: 5
  fullname: Sun Beibei
Author_xml – sequence: 1
  fullname: 周阳
– sequence: 2
  fullname: 潘怡
– sequence: 3
  fullname: 崔畅
– sequence: 4
  fullname: 陈明龙
– sequence: 5
  fullname: 孙蓓蓓
BookMark eNrjYmDJy89LZWBQMTTQM7Y0s9TP0sssLs7TMzQwMNQ1MDUw1TMyMDLSMwAhYxYGTrg4BwNvcXFmkoGhkZElUIUZJ4Pl0_m7nuzqe7Z949Ndy56uXfZk54Lns1qe7m9-sbDh-bqFQPLZ1sanXSueds0Gyj7tb3o2dcPT_t5ne6bwMLCmJeYUp_JCaW6GUDfXEGcPXR9_d09nRx_dYkOg7bpmqaZmqZYGhokp5sYGpmYW5saJ5paGZgZplgZJZsYmhqZmRmmpSSZGRuZpKQbJhqkmxpbJKQZJqcbmxpbmhknJxtwM6hBzyxPz0hLz0uOz8kuL8oA2xqfkpVRUJIG8agCExsYAmVhgTQ
ClassificationCodes R318.01
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3969/j.issn.1001-0505.2022.02.023
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Parameter inversion for cardiovascular hemodynamics based on deep learning
EndPage 401
ExternalDocumentID dndxxb202202023
GrantInformation_xml – fundername: 国家重点研发计划
  funderid: (2019YFB2006404)
GroupedDBID 2B.
4A8
92I
93N
ADMLS
ALMA_UNASSIGNED_HOLDINGS
PSX
TCJ
ID FETCH-LOGICAL-s1023-6e56e901ad73056873a79160f90b6341562feb4227fd0c1e439cd0be373971bc3
ISSN 1001-0505
IngestDate Thu May 29 04:08:38 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 2
Keywords 心血管;血流动力学;参数反演;深度学习;集成网络模型
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1023-6e56e901ad73056873a79160f90b6341562feb4227fd0c1e439cd0be373971bc3
PageCount 8
ParticipantIDs wanfang_journals_dndxxb202202023
PublicationCentury 2000
PublicationDate 2022-03-20
PublicationDateYYYYMMDD 2022-03-20
PublicationDate_xml – month: 03
  year: 2022
  text: 2022-03-20
  day: 20
PublicationDecade 2020
PublicationTitle 东南大学学报（自然科学版）
PublicationTitle_FL Journal of Southeast University(Natural Science Edition)
PublicationYear 2022
Publisher 东南大学机械工程学院,南京211189%南京医科大学第一附属医院心血管内科,南京210029
Publisher_xml – name: 东南大学机械工程学院,南京211189%南京医科大学第一附属医院心血管内科,南京210029
SSID ssib012290226
ssib002258162
ssib036435511
ssib008679709
ssib023167012
ssib000947520
ssib021009659
ssib057620145
ssib000969306
ssib001128997
ssib006563446
ssib002039847
ssib006703054
ssib051368071
ssib004675274
Score 2.3489356
Snippet R318.01; 考虑现有血流动力学参数反演方法在实际应用中存在计算量大、迭代易发散等问题,提出一种新的基于深度学习的心血管血流动力学参数反演方法.首先建立一维-零维耦合的...
SourceID wanfang
SourceType Aggregation Database
StartPage 394
Title 基于深度学习的心血管血流动力学参数反演
URI https://d.wanfangdata.com.cn/periodical/dndxxb202202023
Volume 52
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVEBS
  databaseName: Inspec with Full Text
  issn: 1001-0505
  databaseCode: ADMLS
  dateStart: 20200501
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.ebsco.com/products/research-databases/inspec-full-text
  omitProxy: false
  ssIdentifier: ssib057620145
  providerName: EBSCOhost
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV29b9QwFI_KVUIsCASIb3XAY4o_4tgek7ucKkRZaEW3KrkkMB0SbaWqE19TJegCCwzQpWIBwYAQFRL_THPlz-A9J3fnHlUpLJFlPz-_D5_tn89-9rwbLJd5L1C5b2hZ-AFLtZ8GeekHKawmeF7mPMetgfk74dxicGtJLk217jmnltZWs9nexqH3Sv7Hq5AHfsVbsv_g2RFTyIA0-Be-4GH4HsvHJJHEdEkckSTAr05IEpJYkZhhEeREISaijk0AjSERJYkiBogDS9MlWpBEk4jhoQcoihJMj3OAoYT1JhJrYKibhIkdzpADfDgSG-BJhzkdW71N6heGh4tgK4kmpm3JOsQoyyogkTrAs0mEtl1Jki6y0hpl0yBnhNKCFnFoxQalmFMLiowlrmuN9juszZjVwxCjSSzGJSBrB_OwSQr6u3XiALSwpgOZ5bgEmNTthFgTPWBInJD6PabhfgpAcSp8Tke_gOOZIEQC9G5IIt6YFbyLtlCogXZ9YAUBMu7ytN0iagP-ZmAOLv8ssjnQSnzQiBOSKKREYis2dota77oPMWISh89QkqO6FxCDkeW40cPFxr9znXnTnsyTVLoTq-TOAMKdWVI0va5ecAX1btbkXC5MaOxcjg3MjhqYRZ_ZMLv1PfWJaOl5P19fz5AGcBAXJ7xpDtM9bXnTUWf-9l0HWQRKukjJ4JugbiRF3IlwdjKoMO6BApgGNQvdyHjAzkFSAJOEu9MS2pl1XI5xLp3IiQyfXXCQENrXfciBY8AKB5kIABLSiSwomQi1g-wkKs3sE-0jy52Ekbk2682jjGpvL_bLtH_fWWgvnPFONwh5JqqHu7Pe1MaDc56p3u3u7b4cfPtS7e5UH3f2vr_ff_O8-vns1_bj_U_b8B18fVJtfqg230JptfV08PpztfVi8OPVeW-xmyy05_zm1Rd_BcPI-GEhwwJQSpor3N7QSqQKMCwtDc3ApgwAW1lkAeeqzGmPFYCoejnNCqEAWrGsJy54rf7DfnHRm9GZ4mmZiixnLIBVnRZZatKMpTTNCyXNJW-mUXW5GdVXlic60OW_k1zxTo3Hkatea_XRWnENkMpqdr3pdb8BFFrdsA
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%BF%83%E8%A1%80%E7%AE%A1%E8%A1%80%E6%B5%81%E5%8A%A8%E5%8A%9B%E5%AD%A6%E5%8F%82%E6%95%B0%E5%8F%8D%E6%BC%94&rft.jtitle=%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%88%E8%87%AA%E7%84%B6%E7%A7%91%E5%AD%A6%E7%89%88%EF%BC%89&rft.au=%E5%91%A8%E9%98%B3&rft.au=%E6%BD%98%E6%80%A1&rft.au=%E5%B4%94%E7%95%85&rft.au=%E9%99%88%E6%98%8E%E9%BE%99&rft.date=2022-03-20&rft.pub=%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E6%9C%BA%E6%A2%B0%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%8D%97%E4%BA%AC211189%25%E5%8D%97%E4%BA%AC%E5%8C%BB%E7%A7%91%E5%A4%A7%E5%AD%A6%E7%AC%AC%E4%B8%80%E9%99%84%E5%B1%9E%E5%8C%BB%E9%99%A2%E5%BF%83%E8%A1%80%E7%AE%A1%E5%86%85%E7%A7%91%2C%E5%8D%97%E4%BA%AC210029&rft.issn=1001-0505&rft.volume=52&rft.issue=2&rft.spage=394&rft.epage=401&rft_id=info:doi/10.3969%2Fj.issn.1001-0505.2022.02.023&rft.externalDocID=dndxxb202202023
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fdndxxb%2Fdndxxb.jpg