这项研究显示了如何使用敏感性分析和子集选择在心血管模型中估计总的系统阻力,脑血管阻力、动脉顺应性和收缩峰值时间健康青年和老年受试者的心室压。这些数量是预测压力和全身循环中的流量。模型与实验相结合大脑中动脉血流速度的测量动脉指血压。为了估计我们使用的模型参数非线性优化结合灵敏度分析和子集选择。敏感性分析使我们能够将模型参数从最大到对输出状态(脑血流)最不敏感速度和动脉血压)。子集选择允许我们识别一组独立的候选参数,在给定有限的条件下可以估计数据。通过对两种方法的输出进行分析,我们可以确定五种方法可以根据数据估计的独立敏感参数。结果表明,随着年龄的增长,全身和大脑阻力增加,收缩压峰值时间为动脉顺应性降低。因此,所讨论的方法本研究提供了一种提取临床标志物的新方法不容易进行非侵入性评估。
引用:Scott R.Pope、Laura M.Ellwein、Cheryl L.Zapata、Vera Novak、C.T.Kelley、Mette S.Olufsen。集中脑血管模型参数的估计和识别[J]。数学生物科学与工程,2009,6(1):93-115。doi:10.3934/1993年6月6日
摘要
这项研究展示了如何使用灵敏度分析和子集选择在心血管模型中估计总的系统阻力,脑血管阻力、动脉顺应性和收缩峰值时间健康青年和老年受试者的心室压。这些数量是预测压力和全身循环中的流量。模型与实验相结合大脑中动脉血流速度的测量动脉指血压。为了估计我们使用的模型参数非线性优化结合灵敏度分析和子集选择。敏感性分析使我们能够将模型参数从最大到对输出状态(脑血流)最不敏感速度和动脉血压)。子集选择允许我们识别一组独立的候选参数,在给定有限的条件下可以估计数据。通过对两种方法的输出进行分析,我们可以确定五种方法可以根据数据估计的独立敏感参数。结果表明,随着年龄的增长,全身和大脑阻力增加,收缩压峰值时间为动脉顺应性降低。因此,所讨论的方法本研究提供了一种提取临床标志物的新方法不容易进行非侵入性评估。