- 6 次围观
从有限的血流动力学观测中估计心血管集总参数网络(lumped-parameter network,LPN)参数,是心血管模型个体化中一个可能具有非唯一解的逆问题。我们研究了参数可恢复性如何取决于测量数据的可用性与噪声水平,以及较差的参数恢复结果究竟反映了神经推断的局限性,还是观测信息不足。我们开发了 Mada(measurement-availability and difficulty-aware,测量可用性与难度感知)这一概率神经框架,能够在观测不完整的情况下提供参数估计及预测不确定性。基于一个采用时变弹性的闭环四腔心血管 LPN,我们生成了包含 65 万个病例的合成群体,其中包括 20 个心腔力学与血管参数,以及最多 30 个血流动力学和时序观测。在观测完整的情况下,Mada 达到 0.862 的宏观 R²,在保持与神经网络基线方法相当精度的同时,还能够提供参数特异性不确定性。不同参数的可恢复性存在显著差异,其中心房主动弹性仍然尤其难以恢复。对于具有测量掩码感知能力的 Mada,当使用基础临床测量集、丰富临床测量集和全部测量数据时,宏观 R² 分别为 0.066、0.751 和 0.842;随着信息性测量数据被移除,不确定性总体上有所增加。有界直接优化能够获得显著更小的血流动力学残差,但并不能始终恢复生成数据所对应的参数。互补的剖面分析与局部敏感性分析揭示了特定病例中的参数补偿现象和较弱的观测方向,而针对目标参数的微调对于困难的心房参数几乎没有改善。测量噪声的增加同时降低了参数恢复效果和预测区间覆盖率,且在结构更简单的概率型 ResMLP 中也观察到了类似趋势。这些结果表明,对观测到的血流动力学进行准确重建,并不一定意味着能够准确恢复底层集总参数网络(LPN)的参数,凸显了在寻求具有生理学意义的参数估计时,评估参数可恢复性与预测不确定性的重要性。
lshi{at}kennesaw.edu
摘要
信息/历史
指标
预览 PDF
摘要
从有限的血流动力学观测中估计心血管集总参数网络(LPN)参数,是心血管模型个体化过程中一个可能存在多重解的逆问题。我们研究了参数可恢复性如何受到测量可用性和噪声的影响,以及较差的参数恢复结果究竟反映了神经推断能力的局限,还是观测信息不足。我们开发了 Mada(measurement-availability and difficulty-aware,测量可用性与难度感知)概率神经框架,用于在观测不完整的情况下提供参数估计值及预测不确定性。基于一个采用时变弹性模型的闭环四腔心血管 LPN,我们生成了一个包含 650,000 个病例的合成数据群体,其中包括 20 个心腔力学参数和血管参数,以及最多 30 项血流动力学和时序观测。在观测完整的情况下,Mada 达到宏观 R² = 0.862,在提供参数特异性不确定性估计的同时,其准确性与神经网络基线模型相比具有竞争力。不同参数的可恢复性差异显著,其中心房主动弹性仍然尤其难以恢复。对于具有掩码感知能力的 Mada,宏观 R² 在采用基础临床测量时为 0.066,在采用丰富的临床测量集时为 0.751,在使用全部测量时为 0.842;随着信息性测量项目的减少,不确定性总体上有所增加。有界直接优化能够实现显著更小的血流动力学残差,但并不能始终恢复生成数据时所采用的参数。互补的剖面分析和局部敏感性分析揭示了特定病例中的参数补偿现象以及观测上的弱方向,而针对目标参数的微调对于困难的心房参数几乎没有带来改善。增加
测量噪声会降低参数恢复能力和预测区间的覆盖率;在更简单的概率 ResMLP 中也观察到了类似趋势。这些发现表明,对观测血流动力学进行准确重构并不一定意味着能够准确恢复底层 LPN 参数,凸显了在寻求具有生理意义的参数估计时,评估参数可恢复性和预测不确定性的重要性。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助者信息
美国国立心肺血液研究所,
,R15HL181637
美国国家科学基金会,
,2501698
肯尼索州立大学,
版权
本预印本的版权所有者为作者/资助方,其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据
CC-BY-NC-ND 4.0 International
许可协议提供。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 30 日。
下载 PDF
电子邮件
感谢您有兴趣传播 bioRxiv 上的内容。
注意:系统请求您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址,每行一个,或使用逗号分隔。
您即将向以下对象发送
《神经心血管 LPN 推断中的测量依赖性参数可恢复性》
邮件主题
(您的姓名)从 bioRxiv 网站向您转发了一个页面
邮件正文
(您的姓名)认为您可能会对 bioRxiv 网站上的此页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客,并防止自动化垃圾信息提交。
分享
神经心血管 LPN 推断中的测量依赖性参数可恢复性
神经网络心血管集总参数网络(LPN)推断中的可恢复性
Nanlong Sun, Yue Li, Sanjian Zhang, Yurui Chen, Lei Shi
bioRxiv 2026.10.29.762665;
doi:
https://doi.org/10.64898/2026.10.29.762665
分享本文:
复制
引用工具
神经网络心血管集总参数网络(LPN)推断中依赖于测量的参数可恢复性
Nanlong Sun, Yue Li, Sanjian Zhang, Yurui Chen, Lei Shi
bioRxiv 2026.10.29.762665;
doi:
https://doi.org/10.64898/2026.10.29.762665
文献管理器格式
BibTeX
Bookends
EasyBib
EndNote(标签格式)
EndNote 8(XML 格式)
Medlars
Mendeley
Papers
RefWorks 标签格式
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知
(8164)
生物化学
(19027)
生物工程
(15171)
生物信息学
(45492)
生物物理学
(22958)
癌症生物学
(20177)
细胞生物学
(27379)
临床试验
(138)
发育生物学
(14180)
生态学
(21448)
流行病学
(2067)
进化生物学
(25859)
遗传学
(16383)
基因组学
(23885)
免疫学
(19081)
微生物学
(43313)
分子生物学
(18405)
神经科学
(95371)
古生物学
(715)
病理学
(3039)
药理学与毒理学
(5217)
生理学
(8299)
植物生物学
(16318)
科学传播与教育
(2119)
合成生物学
(4661)
系统生物学
(10418)
动物学
(2432)
关键词:心血管集总参数网络 · 参数可恢复性 · 神经推断 · 血流动力学建模 · 预测不确定性 · 逆问题
原文链接:https://www.biorxiv.org/content/10.64898/2026.10.29.762665v1?rss=1