首页 > 医用生物力学 > 基于物理信息神经网络的颅内动脉瘤血流动力学模拟

基于物理信息神经网络的颅内动脉瘤血流动力学模拟

Hemodynamic Simulation on Patient-Specific Intracranial Aneurysms Using Physics-Informed Neural Network

二维码有效期 120s

摘要目的使用基于物理信息神经网络(physics-informed neural network,PINN)的模型预测颅内动脉瘤血流动力学,解决传统计算流体动力学(computational fluid dynamics,CFD)仿真耗时长、计算成本高的问题.方法仅使用临床患者CFD数据中的计算域坐标和稀疏速度测量点训练PINN模型,并比较PINN模型预测的血流速度、压力和壁面剪切应力(wall shear stress,WSS)与CFD仿真结果的差异.结果利用该方法在4个不同患者数据上进行测试与验证,模型在速度预测中的平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)、均方误差(mean squared error,MSE)分别为 4.60％、6.61％、0.229％.对于 WSS 预测,平均 MAE、MRE、MSE分别为5.54％、8.58％、0.510％.PINN模型在不同动脉瘤模型上有较好的泛化性,且能将血流动力学的计算时间从数小时压缩至数秒.结论 PINN模型能够在边界条件未知且测量数据稀疏的情况下,通过物理约束有效地补偿不完整的测量信息,快速并准确模拟颅内动脉瘤的血流动力学情况.本文建立的方法有望在颅内动脉瘤临床风险预测中提供有效的辅助支持.

作者张雯 ^[1] 石添鑫 ^[2] 陈师尧 ^[1] 程云章 ^[3] 吕楠 ^[4] 张明伟 ^[1] 学术成果认领

作者单位上海理工大学健康科学与工程学院,上海 200093 ^[1] 国防科技大学电子科学学院,长沙 410073 ^[2] 上海理工大学健康科学与工程学院,上海 200093;上海理工大学上海介入医疗器械工程技术研究中心,上海 200093 ^[3] 上海长海医院脑血管病中心,上海 200433 ^[4]

关键词物理信息神经网络计算流体动力学颅内动脉瘤血流动力学 physics-informed neural network computational fluid dynamics intracranial aneurysm hemodynamics

分类号 R318.01（医用一般科学）

栏目名称

血管

DOI 10.16156/j.1004-7220.2025.03.030

发布时间 2025-07-21（万方平台首次上网日期，不代表论文的发表时间）

基金项目

上海工程技术研究中心建设立项（18DZ2250900）