Non-invasive estimation of left ventricle elastance using a multi-compartment lumped parameter model and gradient-based optimization with forward-mode automatic differentiation
在瓣膜疾病的治疗过程中,需要基于无创测量的左心室弹性的准确估计用于临床决策。本研究提出了一种基于心血管系统集总参数模型的参数发现方法,结合优化和非侵入性临床输入测量来近似重要的心脏参数,包括左心室弹性。使用一阶Adam梯度下降和混合Adam和二阶拟牛顿有限记忆Broyden-Fletcher-Goldfarb-Shanno优化程序估计多室集总参数模型的参数子集。前向模式自动微分被用来估计雅可比矩阵,并与常见的有限差分方法进行了比较。健康和患病心脏的合成数据被生成作为非侵入性临床测量的代理,并用于评估算法。根据平均左心室压力和容积的99%可解释变化,选择包括左心室弹性在内的12个参数进行优化。与采用自动微分和有限差分方法的一阶优化相比,混合优化策略产生了最佳的总体结果,平均绝对百分比误差范围为6.67%至14.14%。当包括动脉压和瓣膜流速的合成测量值时,模拟主动脉瓣狭窄和二尖瓣返流的左心室弹性估计误差最小,约为2%,当包括容积趋势时,误差降低至约5%。但是,后者可以更好地跟踪左心室压力波形,并且在必要的设备可用时可以考虑。
2022-05-24 physics.flu-dyn physics.med-ph
A geometric multiscale model for the numerical simulation of blood flow in the human left heart
本文提出了一种新的计算模型,用于人体左心血液流动的数值模拟。为此,我们使用的Navier-斯托克斯方程的任意拉格朗日欧拉制定占endoepromotion和我们模拟的心脏瓣膜的电阻浸没隐式曲面方法的装置。为了施加生理位移的域边界,我们使用一个三维心脏机电模型的左心室耦合到一个集总参数(0 D)的闭环模型的剩余循环。因此,我们得到一个单向耦合的机电流体动力学模型在左心室。为了将左心室运动扩展到左心房的内膜和升主动脉的内膜,我们引入了一个预处理过程,根据该预处理过程,基于0 D模型将左心室位移的谐波扩展与左心房的运动相结合。为了更好地匹配三维心脏流体流动与外部血液循环,我们耦合的三维Navier-斯托克斯方程的0维循环模型,获得一个多尺度耦合的三维-0维流体动力学模型,我们解决了通过一个分离的数值方案。我们进行了数值模拟的健康的左心脏,我们验证我们的模型,显示有意义的血流动力学指标正确再现。
2022-07-07 cs.NA math.NA physics.flu-dyn
Simulation of left ventricle fluid dynamics with mitral regurgitation from magnetic resonance images with fictitious elastic structure regularization
EPFL(洛桑联邦理工学院);IBM Research(IBM研究院);Politecnico di Milano(米兰理工大学)
本文提出基于图像驱动的左心室流体动力学建模方法,利用磁共振图像获取心室几何形状和变形,结合虚构弹性结构模拟心肌收缩行为,并采用三种不同二尖瓣模型控制腔内流体动力学,以研究二尖瓣反流现象。
2017-07-13 cs.NA math.NA physics.med-ph
Material transport in the left ventricle with aortic valve regurgitation
本实验在体外工作调查材料运输性能在模型左心室的情况下,主动脉瓣返流,瓣膜疾病的特点是泄漏的主动脉瓣,因此双射流填充内的弹性左心室几何形状。这项研究表明,物质运输现象强烈地决定于由主动脉瓣和二尖瓣射流驱动的反向旋转旋涡的运动。中度主动脉瓣返流的总体颗粒停留时间似乎明显更长,这归因于两股射流开始之间的时间产生的动力学。反流严重程度的增加被证明是与较高的频率在时间-频率频谱的速度信号在不同的点在流动中,这表明非层流混合过去中度反流。此外,大部分抗凝剂流入至少保留一个心动周期。这种颗粒停留时间的增加伴随着许多吸引拉格朗日相干结构的发生和持续,为活化血小板在左心室内聚集提供了有利的条件和位置,可能对主动脉瓣返流患者造成额外的风险因素。
2018-12-10 physics.flu-dyn physics.med-ph
Assessment of wall stresses and mechanical heart power in the left ventricle: Finite element modeling versus Laplace analysis
简介:狭窄性主动脉瓣疾病(AS)导致左心室(LV)压力超负荷,可能引发不良重塑并加速进展为心力衰竭(HF)。由于心肌能量学在AS期间可能受损,LV壁应力和生物力学功率提供了LV性能的补充视图,可能有助于更好地评估疾病状态。目的:使用LV的高分辨率电子机械(EM)模型作为参考,我们评价了临床上可行的基于拉普拉斯的方法,用于评估全球LV壁应力和生物力学功率。方法:我们使用N = 4的硅有限元(FE)EM模型的左室和主动脉的患者患有AS。所有模型均在治疗前条件下使用临床数据进行个性化。根据FE运动学数据准确计算LV壁应力和生物力学功率,并与应用于相同FE模型数据的基于拉普拉斯的估计方法进行比较。结果与结论:左心室壁应力的拉普拉斯估计能够提供左心室周向-纵向平面中的总体平均应力的粗略近似。然而,根据有限元结果,左心室壁的应力空间异质性显著,导致局部应力和整体平均应力之间存在较大差异。用拉普拉斯方法评估机械功率是可行的,但与有限元模型相比,这些方法的精度较差。只有基于患者特定的FE建模,才能准确评估LV壁中的应力和功率密度分布。
2019-01-15 physics.app-ph physics.bio-ph physics.med-ph
Exact Modeling of Cardiovascular System Using Lumped Method
电模拟(集总法)是一种简单的方法来模拟人体心血管系统。本文采用集总法模拟了一个完整的模型。描述了一个36支血管的人体模型和心脏系统,详细描述了心血管系统的流体动力学参数。本文还包括肺,心房,左,右心室的等效电路的建模。右心室和左心室压力的精确建模增加了我们模拟的准确性。在本文中,我们表明,从我们的复杂的电路计算的主动脉压力是接近使用先进的医疗仪器测量的压力。
2014-11-19 physics.med-ph q-bio.TO
Automatic Segmentation of the Left Ventricle in Cardiac CT Angiography Using Convolutional Neural Network
University Medical Center Utrecht(乌得勒支大学医学中心)
准确描绘左心室(LV)是评价心功能的重要步骤。在本文中,我们提出了一种自动分割的心脏CT血管造影(CCTA)扫描中的LV的方法。分割分两个阶段进行。首先,使用三个卷积神经网络(CNN)的组合来检测LV周围的限界框。随后,为了获得LV的分割,使用CNN在定义的限界框内执行体素分类。该研究包括60例患者的CCTA扫描,50次扫描用于训练用于LV定位的CNN,5次扫描用于训练LV分割,其余5次扫描用于测试该方法。自动分割的平均Dice系数为0.85,平均绝对表面距离为1.1 mm。结果表明,在CCTA扫描中使用体素分类与卷积神经网络的LV自动分割是可行的。
2017-04-19 cs.CV physics.med-ph
A Novel Deep Learning Based Approach for Left Ventricle Segmentation in Echocardiography: MFP-Unet
Med Fanavarn Plus Co.(梅德法纳瓦尔恩普拉斯公司);Sharif University of Technology(谢里夫理工大学);Rajaie Cardiovascular Medical and Research Center(拉贾伊心血管医疗与研究中心);Iran University of Medical Science(伊朗医科大学);Geneva University Hospital(日内瓦大学医院);The University of British Columbia(不列颠哥伦比亚大学);KU Leuven(鲁汶大学)
左心室(LV)的分割是定量测量(如面积、体积和射血分数)的关键步骤。然而,2D超声心动图图像中的自动LV分割是一项具有挑战性的任务,这是由于边界不明确和操作员依赖性问题(再现性不足)。U-net是一种著名的医学图像分割架构,它通过编码器-解码器路径解决了这个问题,尽管U-net的整体性能非常出色,但它忽略了所有语义强度在分割过程中的贡献。在本研究中,我们提出了一种新的架构来解决这个缺点。U-net的解码器路径的所有级别中的特征映射被级联,它们的深度被均衡,并且被上采样到固定维度。这个特征图的堆栈将是语义分割层的输入。与使用相同数据集的U-net,dilated U-net和deeplabv 3的结果相比,所提出的网络产生了最先进的结果。平均Dice度量(DM)为0.945,Hausdorff距离(HD)为1.62,Jaccard系数(JC)为0.97,平均绝对距离(MAD)为1.32。相关图、bland-altman分析和箱形图显示自动和手动计算的体积、面积和长度之间非常一致。
2019-12-22 cs.CV eess.IV physics.med-ph
Numerical simulation of electrocardiograms for full cardiac cycles in healthy and pathological conditions
Sorbonne Universités UPMC(索邦大学巴黎第六大学);Inria Paris-Rocquencourt(法国国家信息与自动化研究所巴黎-罗格纳库尔中心);Inria Saclay Ile-de-France(法国国家信息与自动化研究所萨克雷法兰西岛中心)
本文基于真实人体解剖结构,利用双域方程模拟心脏电活动及体表电位,采用两种离子模型模拟心房和心室,通过Robin边界条件连接心脏与躯干,模拟健康及病理心电图,并评估数值结果的准确性和实用性。
2015-09-01 cs.NA math.NA physics.med-ph
Quantification of Trabeculae Inside the Heart from MRI Using Fractal Analysis
University of Burgundy(勃艮第大学)
左心室致密化不全(LVNC)是一种罕见的心肌病(CMP),由于其潜在的并发症包括心力衰竭、室性心律失常和栓塞事件,因此应被视为可能的诊断。为了分析心脏功能,从左心室(LV)提取信息已经是医学成像的广泛领域。已经开发了半自动或自动的不同算法和策略,以从心脏的这种关键结构中获得有用的信息。心脏内的小梁经历了从实心到海绵状的不同变化。由于该过程失败,发生了左心室致密化不全。在这个项目中,我们将展示心脏的磁共振成像(MRI)的分形维数(FD)和手动分割,量化心脏内的小梁数量。心脏内部的分形维数值越大,表明心脏中小梁的图案越复杂。
2018-10-14 cs.CV physics.med-ph q-bio.QM
Three-Dimensional Segmentation of the Left Ventricle in Late Gadolinium Enhanced MR Images of Chronic Infarction Combining Long- and Short-Axis Information
National University of Singapore(新加坡国立大学);National University Heart Centre(新加坡国立大学心脏中心);National University Hospital(新加坡国立大学医院)
由于造影剂在梗死心肌中的累积引起的强度不均匀性,在晚期钆增强(LGE)心脏MR(CMR)图像中自动分割左心室(LV)是困难的。在本文中,我们提出了一个全面的框架自动三维分割的LV在LGE CMR图像。给定电影图像中的心肌轮廓作为先验知识,该框架最初通过2D平移配准将先验分割从电影图像传播到LGE图像。两个网格分别代表心内膜和心外膜表面,然后构建与传播的轮廓。构造完成后,在统一的三维坐标系中,将两个网格分别向长轴和短轴LGE图像中检测到的心肌边缘点变形。考虑到LGE图像中LV的强度特性,我们提出了一种新的LV参数模型,用于一致的心肌边缘点检测,而不管心肌的病理状态(梗死或健康)和LGE图像的类型(短轴或长轴)。我们已经评估了建议的框架与21套真实的病人和4套模拟体模数据。基于距离和区域的性能指标都证实了该框架可以为LGE图像的心肌分割生成准确可靠的结果。我们还测试了不同的先验分割在实际和模拟设置的框架的鲁棒性。实验结果表明,所提出的框架可以大大补偿在给定的先验知识的变化,并始终产生准确的分割。
2022-05-21 cs.CV eess.IV physics.med-ph
Ventricular torsional relation to ventricular fiber arrangement
由螺旋定向肌纤维引起的左心室扭转是心脏性能的关键参数。在超声心动图上、在心导管插入术期间或在手术室中观察心脏运动的医生对收缩期间左心室的扭转或旋转运动印象深刻。从概念上讲,心脏被视为一个压力室。基础科学家对旋转或扭转变形了解甚少,缺乏临床相关性。本文旨在探讨:心室扭转是否与心室纤维排列有关?这取决于左心室结构的假设模型。
2014-08-02 physics.med-ph
SV-Cine: Diagnosis-Conditioned Segmentation of Single Ventricle Physiology via Generative Data Augmentation
David Geffen School of Medicine at UCLA(加州大学洛杉矶分校大卫·格芬医学院);VA Greater Los Angeles(大洛杉矶退伍军人事务部医疗中心);University of California, Los Angeles(加州大学洛杉矶分校)
针对单心室生理学罕见且形态多样的心脏MRI分割难题,提出基于生成式数据增强的诊断条件分割框架SV-Cine,通过合成数据扩充和特征级线性调制整合诊断信息,在右心室分割上超越基线0.39 Dice点。
2026-09-14 cs.CV physics.med-ph
A rule-based method to model myocardial fiber orientation in cardiac biventricular geometries with outflow tracts
基于规则的方法通常用于将纤维方向分配给心脏解剖模型。然而,现有的方法主要是使用来自左心室的数据开发的。因此,从基于规则的方法获得的纤维信息通常与心脏的其他区域(例如右心室)中的组织学数据不匹配,从而在左心室之外的心脏模拟中具有负面影响。在这项工作中,我们提出了一个基于规则的方法,纤维取向分别建模在每个心室从组织学观察。这使得可以在特定区域(例如右心室心内膜、室间隔和流出道)创建详细的纤维方向。我们还进行了涉及这些结构和不同的纤维配置的电生理模拟。特别是,我们建立了一个建模管道,用于创建患者特定的体积网格的双心室几何形状,包括流出道,随后模拟电波前传播的流出道室性心律失常与异位焦点的不同起源。所产生的模拟与建议的基于规则的方法显示出非常好的协议与临床参数,如10 ms等时线比在一个队列的9名患者患有这种类型的心律失常。开发的建模管道证实了其在临床干预前对流出道室性心律失常起源部位进行计算机识别的潜力。
2018-09-20 cs.CE physics.med-ph
Stochastic Modelling and Dynamic Analysis of Cardiovascular System with Rotary Left Ventricular Assist Devices
左心室辅助装置(LVAD)已被用作终末期心力衰竭患者的治疗选择。主动脉瓣在心力衰竭及其LVAD治疗中起着关键作用。心血管-LVAD模型常用于研究患者的生理需求和预测LVAD支持的自体心脏的血流动力学。作为恢复治疗的桥梁,重要的是保持主动脉瓣和天然心脏的心输出量的适当和主动的动力学,这要求必须调节LVAD泵,使得通过主动脉瓣和泵贡献的血液之间保持适当的平衡。在本文中,我们的目标是确定一个临界值的泵功率,以确保LVAD泵不接管心血管泵系统中的泵送功能,并与左心室共享喷出的血液,以帮助心脏恢复。此外,由于患者的异质性和心血管系统的随机性,血流动力学经常涉及变异性。这种变异性对理解主动脉瓣和心输出量的动态行为提出了重大挑战。在这项工作中使用的广义多项式混沌(gPC)扩展开发一个随机心血管泵模型有效的不确定性传播,从它可以快速计算的方差在主动脉瓣打开持续时间和心输出量的存在下的变异性。仿真结果表明,基于gPC的心血管泵模型是一个可靠的平台,可以提供有用的信息,了解LVAD泵对心脏血流动力学的影响。
2018-12-18 physics.med-ph q-bio.TO
Elucidating the turbulence nature of the intracardiac flow: from medical images to multi-cycle Large Eddy Simulations
这篇简短的文章伴随着一个流体动力学视频,介绍了一个真实的左心脏流动的大涡模拟结果。从医学图像中提取从肺静脉到主动脉根部的左心几何形状,并通过图像配准重建心脏内的运动。因此,在患者特异性心脏模型中执行大涡模拟,其中规定了几何形状的患者特异性移动。所获得的流动是间歇性的,在左心房和左心室中都显示出与流动减速相关的湍流点。
2013-10-11 physics.flu-dyn physics.med-ph
Physical model of end-diastolic and end-systolic pressure-volume relationships of a heart
针对现有心脏EDPVR与ESPVR研究缺乏统一物理解释模型的问题,提出统一框架下参数具物理意义的评估模型,拟合效果优于现有模型,可预测左心室压力-容积关系,助力心脏研究与临床应用。
2023-03-28 physics.bio-ph physics.med-ph
HeartSimSage: Attention-Enhanced Graph Neural Networks for Accelerating Cardiac Mechanics Modeling
本研究提出基于注意力增强图神经网络的FEA仿真器HeartSimSage,通过灵活处理3D双心室几何与生理条件,在保持0.13%平均误差下实现最高13000倍加速,解决了心脏生物力学建模计算成本高的问题。
2025-04-26 physics.med-ph
CyberCardia: Patient-specific electrophysiological heart model for assisting left atrium arrhythmia ablation
针对左房心律失常消融手术中起源定位难、手术时间长、复发率高的问题,本研究开发了患者特异性的CyberCardia电生理心脏模型,可快速调校并实时辅助消融,经患者数据验证模拟精度较高。
2024-01-07 physics.med-ph
Exploratory Simulation of Thrombosis in a Temporary LVAD Catheter Pump within a Virtual In-vivo Left Heart Environment
本文报告一项探索性 CFD 研究,在虚拟体内左心环境中模拟临时 LVAD 导管泵的血流动力学与血栓形成,以弥补孤立稳态评估与临床搏动条件之间的差距。
2023-12-08 physics.flu-dyn physics.med-ph
Beat Pressure and Comparing it with Ascending Aorta Pressure in Normal and Abnormal Conditions
集总方法(电模拟)是一种快速、简便的心血管系统建模方法。本文采用集总法模拟了一个完整的模型。描述了一个36支血管的人体模型和心脏系统,详细描述了心血管系统的流体动力学参数。本文还包括肺,心房,左,右心室的等效电路的建模。将升主动脉分为27段,对左右心室压力进行精确建模,提高了模拟的准确性。在本文中,我们表明,从我们的复杂的电路计算的主动脉压力是接近使用先进的医疗仪器测量的压力。此外,它表明,从肱动脉的压力图是如此接近主动脉压,因为这是它的压力信号是可用的,而不是主动脉压。此外,升主动脉、肱动脉阻塞及其影响也在不同的图中显示。
2014-11-21 physics.med-ph
Computational fluid dynamics modelling of left valvular heart diseases during atrial fibrillation
虽然心房颤动(AF)是一种常见的心律失常,经常出现在患有基础瓣膜疾病的患者中,但其血流动力学作用尚未完全了解。目前的工作旨在通过计算研究病理性瓣膜解剖结构对AF血流动力学的影响。我们模拟了不同严重程度的左心瓣膜疾病的房颤,并比较了心血管的影响,他们施加在房颤期间,相比,孤立AF。这里使用的流体动力学模型最近已被验证为孤立AF,并依赖于一个集总参数化的四个心腔,以及体循环和肺循环。分析了四种瓣膜病(主动脉瓣狭窄、二尖瓣狭窄、主动脉瓣返流、二尖瓣返流)的三种不同严重程度(轻度、中度、重度)。回流在血流动力学上比狭窄更相关,因为后者导致心脏血流效率低下,而前者引入了更剧烈的流体动力学变化。二尖瓣病变比主动脉瓣病变更明显。在主动脉瓣疾病的情况下,适当的二尖瓣功能抑制了心房和肺水平的变化。在二尖瓣病变的情况下,二尖瓣失去了其调节能力,因此血流动力学变化几乎同样影响瓣膜的上游和下游区域。目前的研究表明,二尖瓣和主动脉瓣返流强烈影响血液动力学,其次是二尖瓣狭窄,而主动脉瓣狭窄的影响最小的瓣膜疾病的分析。所提出的方法可以提供关于哪些瓣膜病变值得更积极地治疗AF的新的机制见解。目前的发现,如果临床证实,有可能影响AF管理(例如,采用节律控制策略)。
2016-07-26 physics.flu-dyn physics.med-ph q-bio.TO
Advanced MRI for cardiac assessment in mice
心力衰竭是西方世界死亡的主要原因。小鼠是一种广泛使用的模型,用于许多疾病,由遗传修饰或手术干预引起。当在小鼠中进行实验时,体内磁共振成像(MRI)可用于在多个水平上评估心脏解剖结构和功能。在心动周期的每个阶段的心室大小的体积测量(通过电影MRI获得)可用作心力衰竭的敏感测量。电影MRI在这里应用于心脏病的遗传模型,包括药物操作的压力测试。由于功能评估的采集持续时间较长是一个关键限制,因此提出并验证了一种使电影MRI速度提高12倍的新方法,同时保持标准准确度。该方法利用压缩感测和并行成像与k空间的径向采集的组合。涡流引起的伪影,目前采集径向时,与一个新的计划进行了回顾性校正。组织活力可以用晚期钆增强(LGE)成像测量,其中使用造影剂。注射后,该试剂迅速从健康组织中冲洗出来,尽管在梗塞区域中具有较慢的动力学。一种新的方法来执行LGE有效地提出和验证对组织学。该方法适用于评价一种新的治疗梗塞。最后,提出了一种新的方法来执行一个单一的检查内的小鼠心脏的多模态评估。该方法包括电影和LGE MRI以及采用刺激回波位移编码(DENSE)MRI测量心肌中的机械应变,并采用正电子发射断层成像(PET)评估细胞代谢。该方法在评价一种新的梗死保护剂中得到证实。
2022-01-09 physics.med-ph
A Wavelet Approach for the Estimation of Left Ventricular Early Filling Wave Propagation Velocity from Color-M-Mode Echocardiograms
目的:本工作评估了一种新的方法,用于计算左心室(LV)早期充盈传播速度(VP)的彩色M型(CMM)超声心动图,利用小波分析。与当前的方法不同,该方法不需要假设,用户输入或启发式约定。背景资料:目前使用CMM超声心动图测量VP的方法没有考虑到充盈波传播速度的时空变化。相反,它们受到经验假设和用户输入的限制,这些假设和用户输入显著阻碍了VP的准确性,从而限制了其临床实用性。研究方法:我们评价了测量LV早期充盈VP的三种方法:常规VP、传播强度(VS)和从最重要能量波(峰值-VW)确定的VP,使用125名患者(A组),其中正常充盈(n=50)、松弛受损(n=25)、异常充盈(n=25)和限制性充盈(n=25),B组69例,正常心室32例,扩张心室15例,肥厚心室22例。结果:峰值VW最能准确区分正常左室和病变左室。具体而言,对于跨越舒张功能阶段的A组,使用受试者工作特征(ROC)并测量其相应的曲线下面积(AUC),峰值VW的AUC为0.92,而传统VP为0.62,VS为0.63,心室内压差(IVPD)为0.58。这相当于分类能力提高了50-70%。使用B组也发现了类似的改善。结论:使用小波分析的LV早期充盈的新测定,Peak-VW,可以提供比测定Vp的标准方法更准确的舒张功能评价,并且能够对患有舒张功能障碍的患者进行更好的诊断分类。
2019-10-25 physics.med-ph q-bio.QM
Free-breathing 3D Cardiac T1 Mapping with Transmit B1 Correction at 3T
目的:目的:建立一种在3 T条件下进行自由呼吸3D T1标测的心脏T1标测方法。方法:建立了一种自由呼吸、ECG门控反转恢复序列,并对该序列进行了优化,以用于3 T条件下的心脏T1标测。高帧率动态图像重建稀疏(k,t)空间数据采集沿堆栈的星轨迹使用基于子空间的方法加速成像。为了提高T1映射对B1+不均匀性的鲁棒性,在T1映射中进行了T1和翻转角(FA)联合估计。在估计中利用受试者特定的数据采集时间来解释成像实验期间的自然心率变化。结果如下:仿真结果表明,T1和FA联合估计和优化的ECG门控SPGR IR采集方案可以提高T1标测的准确性和精度。体模研究表明,所提出方法和参考方法的T1图之间具有良好的一致性。以1.9 mm平面内和4.5 mm平面内空间分辨率获得健康受试者(n=6)的3D心脏T1图(40个切片),平均成像时间为14.2 ± 1.6 min(心率:64.2 ± 7.1 bpm),显示心肌T1值与MOLLI获得的值相当。所提出的方法产生的B1+地图与空间平滑的变化,显示21-32%和11-15%的变化,跨室间隔外侧和冠状动脉前区的心肌在左心室。结论:所提出的方法允许在实际成像时间内进行全心脏的自由呼吸3D T1标测和发射B1校正。
2021-11-15 physics.med-ph
Reduced-order modeling of left ventricular flow subject to aortic valve regurgitation
目前心脏血流研究的重点主要是基于左心室内的血流以及这种血流在受到疾病影响时如何变化。然而,尽管最近取得了进展,一个简单易行的模型,甚至健康的左心室流量还没有产生和提供。降阶建模技术,如本征正交分解(POD)和动态模式分解(DMD),提供了一种有效的手段来表达从实验或数值模拟使用低维模型获得的大数据集。虽然POD和DMD通常用于识别流体动力学中的相干结构,但它们作为建模工具的使用在心血管流社区中并没有发现太大的优点。在这项工作中,我们使用POD和DMD构建降阶模型的健康左心室流量,以及在一个特定的疾病的影响下,表现出丰富和独特的室内流体动力学,即主动脉瓣反流(泄漏的主动脉瓣)。评价了这两种方法在重建脑室内血流和导出量方面的性能,并给出了所选降阶模型。
2019-03-14 physics.flu-dyn physics.med-ph