- 2 次围观
泌乳期乳腺导管树中的脉动性乳汁输运涉及压力梯度、管壁顺应性以及非牛顿流变特性之间的复杂相互作用，而这些作用跨越了近两个数量级的管腔半径空间尺度。由于远端导管代的管径处于亚毫米量级，直接对其流动进行实验表征仍不可行，因此分泌性小导管的血流动力学环境在很大程度上仍属未知。 我们提出了一种两阶段的物理信息算子学习框架，将基于三个已布设测量的导管代所验证的流动预测扩展至一个具有分叉结构的二十代乳腺网络。一个基于七条导管中的粒子图像测速测量数据训练的物理信息神经网络（PINN）达到了 R^2 = 0.924–0.997。由该 PINN 提炼得到并通过受物理约束的训练在控制性一维流固耦合方程上进一步优化的深度算子网络（DeepONet），在所有已验证导管中的表现达到 R^2(u) = 0.857–0.985；对于第 4–20 代导管的预测，则是通过向冻结算子输入满足 Murray 定律的几何参数以及按质量守恒缩放的边界条件而获得。 研究揭示出三项具有重要生物物理意义的发现：其一，第 4–13 代导管中平均流速维持在 0.14–0.18 m/s 的平台区间，这是由于 Cross 剪切变稀补偿效应抵消了 Murray 分叉所导致的减速；其二，脉动指数呈现非单调变化，从第 1 代的 0.048 下降至第 5 代的最小值 0.039，随后随着管壁逐渐硬化单调上升，并在第 20 代达到 1.37，使最远端小导管进入类似微循环的血流动力学状态；其三，在第 4–5 代出现了一个短暂的弹性回缩过渡区，在该区域内平均轴向压降发生符号反转。 据作者所知，这些结果首次利用物理信息算子学习框架，对分叉型乳腺导管树完整层级中的脉动性乳汁流动作出了定量表征，并对导管机械生物学、排乳机制及乳腺炎发病机制具有重要启示。
泌乳期乳腺导管树中的脉动性乳汁输运涉及复杂的相互作用，包括压力梯度、管壁顺应性以及非牛顿流变学；这些作用跨越了在管腔半径上近两个数量级的空间尺度。由于远端导管代的管径小于毫米尺度，直接对其流动进行实验表征仍不可行，因此分泌性小导管内的血流动力学环境在很大程度上仍属未知。我们提出了一种两阶段的物理信息算子学习框架，将经过验证的三代已测量导管中的流动预测扩展到一个二叉分支乳腺网络的二十代导管。一个基于物理信息神经网络（PINN）在七条导管的粒子图像测速测量数据上进行训练后，达到了 R^2 = 0.924–0.997。一个由该 PINN 提炼而来并通过控制性一维流固耦合方程上的物理约束训练进一步优化的深度算子网络（DeepONet），在所有经验证导管上实现了 R^2(u) = 0.857–0.985；对于第4–20代导管的预测，则是通过向冻结算子输入基于 Murray 定律的几何参数和按质量守恒缩放的边界条件获得的。研究得出了三个具有重要生物物理意义的发现：其一，第4–13代导管中平均速度维持在 0.14–0.18 m/s 的平台区，这源于 Cross 剪切变稀补偿效应抵消了 Murray 分支所导致的减速；其二，脉动指数呈现非单调变化，从第1代的 0.048 下降至第5代的最低值 0.039，随后随着渐进性管壁硬化使最远端小导管进入类似微循环的血流动力学状态，该指数在第20代单调上升至 1.37；其三，在第4–5代出现了一个短暂的弹性回缩过渡区，其中平均轴向压降发生了符号反转。据作者所知，这些结果首次利用物理信息算子学习框架，对二叉分支乳腺导管树完整层级中的脉动性乳汁流动作出了定量表征，并对导管力学生物学、排乳机制以及乳腺炎发病机制具有重要意义。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.12.731941v1?rss=1
🏷️ 乳腺导管 乳汁流动 流固耦合 物理信息神经网络 DeepONet 生物力学