×
刘敏亮;梁，梁;孙伟

使用机器学习方法估计主动脉壁的体内本构参数。 （英语） Zbl 1440.74229号

计算。方法应用。机械。工程师。 347, 201-217 (2019).
总结：主动脉的患者特定生物力学分析需要量化体内患者个体的力学特性。当前的反演方法试图从以下方面估算非线性各向异性材料参数体内图像数据使用某些优化方案。然而，由于此类逆方法依赖于迭代非线性优化，因此这些方法计算量很大。针对与特定患者计算建模相关的瓶颈，一个潜在的范式转换解决方案是结合机器学习（ML）算法来加快体内材料参数识别。在这篇论文中，我们开发了一种基于ML的方法，从两种不同血压（即收缩压和舒张压）水平下获得的三维主动脉几何图形中估计材料参数。利用ML模型建立了两种加载形状与本构参数之间的非线性关系，并利用有限元模拟数据集对ML模型进行了训练和测试。交叉验证用于调整训练/验证数据集上的ML模型结构。使用测试数据集检查ML模型的准确性。

引用于7文件

MSC公司：

74升15 生物力学固体力学
65D17号 计算机辅助设计（曲线和曲面建模）
76Z05个 生理流
74S99型 固体力学中的数值方法和其他方法

关键词：

机器学习;神经网络;本构参数估计

软件：

ImageNet公司;深度演讲;GNMT公司;深面（DeepFace）;亚当;AlexNet公司;伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{M.Liu}等人，计算。方法应用。机械。工程师347201-217（2019年；兹比尔1440.74229）
全文： 内政部 链接

参考文献：

[1] 泰勒，C.A。；Figueroa，C.A.，《特定患者心血管力学建模》，年。生物识别版本。工程，11，109-134（2009）
[2] 刘，H。；Shi，P.，心脏同时运动和材料属性估计的最大后验策略，IEEE Trans。生物识别。工程师，56，378-389（2009）
[3] 张，F。；Kanik，J。；Mansi，T。；沃伊格特一世。；Sharma，P。；爱奥纳塞克，R.I。；Subrahmanyan，L。；林，学士。；苏庚，L。；Yuh，D。；科马尼丘，D。；Duncan，J.，《针对患者的二尖瓣修复建模：三维经食管超声心动图衍生参数估计》，医学图像分析。，35, 599-609 (2017)
[4] Franket，A。；艾薇儿，S。；勒里奇，R。；巴德尔，P。；施耐德，F.C。；Boissier，C。；Favre，J.P.，《从MRI中识别颈总动脉的体内弹性特性：对患有和不患有动脉粥样硬化的受试者的研究》，J.Mech。行为。生物识别。材料。，27, 184-203 (2013)
[5] Schulze-Bauer，C.A.J。；Holzapfel，G.A.，《从临床数据确定人体动脉的本构方程》，J.Biomech。，36, 165-169 (2003)
[6] Stálhand，J.，《根据临床数据确定人体动脉壁参数》，《生物技术》。模型。机械双醇。，8, 141-148 (2009)
[7] 奥尔森，T。；Klarbring，J.S.A.，应用于动脉的软组织初始应变分布建模，生物医学。模型。机械双醇。，5, 27-38 (2006)
[8] 马森，I。；Boutouyrie，P。；劳伦特，S。；汉弗莱，J.D。；Zidi，M.，《人体临床数据中动脉壁力学行为和应力的表征》，J.Biomech。，41, 2618-2627 (2008)
[9] 马森，I。；Beaussier，H。；Boutouyrie等人。；劳伦特，S。；汉弗莱，J.D。；Zidi，M.，使用血压正常和高血压患者的体内数据量化的颈动脉机械特性和应力，Biotech。模型。机械双醇。，867-882年10月（2011年）
[10] Holzapfel，G.A。；Gasser，T.C。；Ogden，R.W.，《动脉壁力学的新本构框架和材料模型的比较研究》，J.Elast。物理学。科学。固体，61，1-48（2000）·Zbl 1023.74033号
[11] Smoljkić，M。；Vander Sloten，J。；Segers，P。；Famaey，N.，《动脉组织患者特定材料特性的非侵入性、基于能量的评估》，Biomech。模型。机械双醇。，14, 1045-1056 (2015)
[12] Gasser，T.C。；奥格登，R.W。；Holzapfel，G.A.，《胶原纤维定向分布的动脉层超弹性建模》，J.R.Soc.Interface，3，15-35（2006）
[13] 刘，H。；坎顿，G。；袁，C。；杨，C。；Billiar，K。；滕，Z。；霍夫曼，A.H。；Tang，D.，使用体内电影和3D多对比MRI确定人类动脉粥样硬化颈动脉材料特性和周向收缩率及其对应力/应变预测的影响，J.Biomech。工程，134（2012），011008-011008-011009
[14] Wittek，A。；卡拉托里奥斯，K。；比哈里，P。；施密茨·雷森，T。；穆斯多夫，R。；Vogt，S。；Blase，C.，基于4D超声数据的人体主动脉弹性特性的体内测定，J.Mech。行为。生物识别。材料。，27, 167-183 (2013)
[15] Wittek，A。；西德威奇。；卡拉托里奥斯，K。；Fritzen，C.P。；Vogt，S。；施密茨·雷森，T。；Blase，C.，从4D超声应变成像中识别正常和病变主动脉壁各向异性超弹性特性的有限元更新方法，J.Mech。行为。生物识别。材料。，58, 122-138 (2016)
[16] Wittek，A。；卡拉托利奥斯，K。；弗里岑，C.-P。；Bereiter Hahn，J。；Schieffer，B。；穆斯多夫，R。；Vogt，S。；Blase，C.，以时间分辨三维超声斑点追踪为特征的人类升主动脉和腹主动脉的循环三维壁运动，Biomech。模型。机械双醇。，15, 1375-1388 (2016)
[17] 刘，M。；Liang，L。；Sun，W.，《主动脉壁体内力学特性的评估：多分辨率直接搜索方法》，J.Mech。行为。生物识别。材料。，77, 649-659 (2018)
[18] Joldes，G.R。；Miller，K。；Wittek，A。；多伊尔，B。；简单，A.，计算腹主动脉瘤壁应力的有效且临床适用的方法，J.Mech。行为。生物识别。材料。，58, 139-148 (2016)
[19] Miller，K。；Lu，J.，《关于没有患者特定组织特性的患者特定生物力学的前景》，J.Mech。行为。生物识别。材料。，27, 154-166 (2013)
[20] 刘，M。；Liang，L。；刘，H。；张，M。；马丁·C。；Sun，W.，关于患者特定主动脉壁体内跨壁平均应力的计算，Biomech。模型。机械胆。（2018），（印刷中）
[21] 刘，M。；Liang，L。；Sun，W.，主动脉壁在体力学性能估算的新反演方法，J.Mech。行为。生物识别。材料。，72, 148-158 (2017)
[22] LeCun，Y。；Y.本吉奥。；Hinton，G.E.，《深度学习》，《自然》，521436-444（2015）
[23] G.Litjens，T.Kooi，B.Bejnordi，A.Setio，F.Ciompi，M.Ghafoorian，J.Laak，B.Ginneken，C.Sánchez，医学图像分析深度学习调查，arXiv:1702.05747；G.Litjens，T.Kooi，B.Bejnordi，A.Setio，F.Ciompi，M.Ghafoorian，J.Laak，B.Ginneken，C.Sánchez，医学图像分析深度学习调查，arXiv:1702.05747
[24] 沈，D。；Wu，G。；Suk，H.-I.，《医学图像分析深度学习》，年。生物识别版本。工程，19，221-248（2017）
[25] He，K。；张，X。；任，S。；Sun，J.，《深入研究整流器：在图像网络分类方面超越人类水平的性能》（IEEE计算机视觉国际会议（2015））
[26] Kokkinos，I.，《利用深度学习推进边界检测的边界》（Int.l Conf.on learning Representations，2016）
[27] Taigman，Y。；杨，M。；Ranzato，医学硕士。；Wolf，L.，《DeepFace:缩小人脸验证中人类水平表现的差距》（IEEE计算机视觉和模式识别会议（2014））
[28] He，K。；张，X。；任，S。；Sun，J.，图像识别的深度残差学习（IEEE计算机视觉和模式识别会议（2016））
[29] Krizhevsky，A。；Sutskever，I。；Hinton，G.E.，ImageNet分类与深度卷积神经网络，（神经信息处理系统（2012））
[30] Wu，Y。；舒斯特，M。；Chen，Z.，谷歌的神经机器翻译系统：弥合人类和机器翻译之间的差距，计算。资源库（2016），abs/160908144
[31] 汉农，A。；凯斯，C。；Casper，J.，《深度语音：扩展端到端语音识别》，计算机。资源库（2014），abs/14125567
[32] 罗，Y。；风扇，Z。；Baek，S。；Lu，J.，《机器学习-辅助探索升主动脉瘤的强度和弹性特性之间的关系》，国际期刊Numer。方法生物识别。Eng.，34，文章e2977 pp.（2018）
[33] Cilla，M。；佩雷兹·雷伊，I。；马丁内斯，医学硕士。；佩尼亚，E。；Martínez，J.，《关于使用机器学习技术对软生物组织进行机械表征》，国际期刊Numer。方法生物识别。工程，0，p.e3121（2018）
[34] Pham，T。；马丁·C。；Elefteriades，J。；Sun，W.，升主动脉瘤伴二尖瓣主动脉瓣和牛主动脉弓的生物力学特征，生物学报。，9, 7927-7936 (2013)
[35] 马丁·C。；Sun，W。；Pham，T。；Elefteriades，J.，升主动脉瘤破裂可能性的预测生物力学分析，生物学报。，9, 9392-9400 (2013)
[36] Geman，S。；Geman，D.，《随机松弛、吉布斯分布和图像的贝叶斯恢复》，IEEE Trans。模式分析。机器。整数。，PAMI-6721-741（1984）·Zbl 0573.62030号
[37] 马丁·C。；Sun，W。；Elefteriades，J.，升主动脉瘤患者特异性有限元分析，Amer。《生理学杂志》。心脏循环。生理学。，308，H1306-H1316（2015）
[38] Liang，L。；刘，M。；马丁·C。；Elefteriades，J.A。；Sun，W.，一种机器学习方法，用于研究形状特征与数值预测的升主动脉瘤风险之间的关系，Biomech。模型。机械双醇。，1-15 (2017)
[39] 魏斯贝克尔，H。；皮尔斯·D·M。；Holzapfel，G.A.，《预加载几何体有限元模拟的广义预应力算法及其在主动脉中的应用》，国际期刊编号。方法生物识别。工程，30857-872（2014）
[40] 韦伯，A.R。；Copsey，K.D.，《统计模式识别》（2011），in，Wiley·Zbl 1237.68006号
[41] 杜加斯，C。；Bengio，Y.，Fran，#231，o.B，#233，lisle，C.Nadeau，Ren
[42] 格洛洛特，X。；Bordes，A。；Bengio，Y.，深度稀疏整流器神经网络，（第十四届国际人工智能与统计会议论文集，PMLR，机器学习研究论文集（2011）），315-323
[43] Hahnlosser，R.H.R。；Sarpeshkar，R。；Mahowald，医学硕士。；道格拉斯·R·J。；Seung，H.S.，数字选择和模拟放大在皮层启发的硅电路中共存，Nature，405947（2000）
[44] M.Abadi、A.Agarwal、P.Barham、E.Brevdo、Z.Chen、C.Citro、G.S.Corrado、A.Davis、J.Dean、M.Devin、S.Ghemawat、I.Goodfellow、A.Harp、G.Irving、M.Isard、R.Jozefowicz、Y.Jia、L.Kaiser、M.Kudlur、J.Levenberg、D.Mané、M.Schuster、R.Monga、S.Moore、D.Murray、C.Olah、J.Shlens、B.Steiner、I.Sutskever、K.Talwar、P.Tucker、V。Vanhoucke，V.Vasudevan，F.Viégas，O.Vinyals，P.Warden，M.Wattenberg，M.Wicke，Y.Yu，X.Zheng，TensorFlow：异构分布式系统上的大规模机器学习，http://tensorflow.org/; M.Abadi、A.Agarwal、P.Barham、E.Brevdo、Z.Chen、C.Citro、G.S.Corrado、A.Davis、J.Dean、M.Devin、S.Ghemawat、I.Goodfellow、A.Harp、G.Irving、M.Isard、R.Jozefowicz、Y.Jia、L.Kaiser、M.Kudlur、J.Levenberg、D.Mane、M.Schuster、R.Monga、S.Moore、D.Murray、C.Olah、J.Shlens、B.Steiner、I.Sutskever、K.Talwar、P.Tucker。Vanhoucke，V.Vasudevan，F.Viégas，O.Vinyals，P.Warden，M.Wattenberg，M.Wicke，Y.Yu，X.Zheng，TensorFlow:异构分布式系统上的大规模机器学习，http://tensorflow.org/
[45] Kingma，D.P。；Ba，J.，Adam：随机优化方法（第三届学习表征国际会议（2015））
[46] 古德费罗，I。；Y.本吉奥。；A.Courville，《深度学习》（2016），麻省理工学院出版社·Zbl 1373.68009号
[47] 皮尔斯·D·M。；迈尔，F。；魏斯贝克尔，H。；维特勒，C。；Verbrugghe，P。；Famaey，N。；弗尔瑙，I。；Herijgers，P。；Holzapfel，G.A.，《人类胸腹主动脉瘤组织：损伤实验、统计分析和本构建模》，J.Mech。行为。生物识别。材料。，41, 92-107 (2015)
[48] 魏斯贝克尔，H。；皮尔斯·D·M。；Regitnig，P。；Holzapfel，G.A.，人类胸主动脉和腹主动脉非动脉粥样硬化内膜增厚的层特异性损伤实验和建模，J.Mech。行为。生物识别。材料。，12, 93-106 (2012)
[49] Chang，C.-C。；Lin，C.-J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。Technol公司。（TIST），2，27（2011）
[50] 李凯。；奥格登，R.W。；Holzapfel，G.A.，《不包括受压纤维的指数本构模型：残余应力颈动脉扩张-膨胀的应用》，数学。机械。固体，231206-1224（2018）·Zbl 1401.74244号
[51] 李凯。；奥格登，R.W。；Holzapfel，G.A.，纤维组织建模中排除受压纤维的离散纤维分散方法，J.R.Soc.Interface，15（2018）
[52] 李凯。；奥格登，R.W。；Holzapfel，G.A.，《用排除压缩纤维的通用不变量模拟纤维生物组织》，J.Mech。物理学。固体，110，38-53（2018）
[53] Yagawa，G。；Okuda，H.，《计算力学中的神经网络》，Arch。计算。方法工程，3435（1996）
[54] 加布西，J。；Sidarta，D.E.，用于本构建模的新型嵌套自适应神经网络（NANN），计算。岩土工程。，22, 29-52 (1998)
[55] Theocaris，P.S。；Panagiotopoulos，P.D.，断裂力学计算的神经网络。方法和应用前景，计算。方法应用。机械。工程师，106213-228（1993）·兹比尔0782.73077
[56] 胡贝尔，N。；Tsakmakis，C.，使用神经网络从球形压痕数据确定本构特性。第一部分：塑性定律中的纯运动硬化情况，J.Mech。物理学。固体，471569-1588（1999）·Zbl 0960.74015号
[57] N.Huber。；Tsakmakis，C.，使用神经网络从球形压痕数据确定本构特性。第二部分：非线性各向同性和运动硬化的塑性，J.Mech。物理学。固体，471589-1607（1999）·Zbl 0960.74015号
[58] Klambauer，G。；Unterthiner，T。；Mayr，A。；Hochreiter，S.，自归一化神经网络，（神经信息处理系统进展（2017）），972-981
[59] 巴雷特，J.F。；Keat，N.，《CT中的人工制品：识别和避免》，《射线照相》，241679-1691（2004）
[60] 拉布罗斯，M.R。；Beller，C.J。；梅萨纳，T。；Veinot，J.P.，《人类主动脉的力学行为：实验、材料常数和包括残余应力的三维有限元建模》，J.Biomech。，42, 996-1004 (2009)
[61] 博茨，M。；Kobbelt，L。；保利，M。；Alliez，P。；Lévy，B.，《多边形网格处理》（2010），CRC出版社
[62] Dieleman，N。；van der Kolk，A.G。；茨瓦恩堡，J.J.M。；Harteveld，A.A。；比塞尔斯，G.J。；Luijten，P.R。；Hendrikse，J.，《利用磁共振成像成像颅内血管壁病理学》，Curr。展望未来方向，130，192-201（2014）
[63] 皮尔斯·D·M。；Fastl，T.E。；罗德里格斯-维拉，B。；Verbrugghe等人。；福诺，I。；Maleux，G.公司。；Herijgers，P。；E.J.戈麦斯。；Holzapfel，G.A.，《将三维残余拉伸/应力纳入患者特定动脉有限元模拟的方法》，J.Mech。行为。生物识别。材料。，47, 147-164 (2015)
[64] Bartlett，P.L。；Wegkamp，M.H.，使用铰链损失的拒绝选项分类，J.Mach。学习。第9号决议，1823-1840（2008年）·Zbl 1225.62080号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。